
6.4
最初の分類器を作成し、調整を行う
123
●
GaussianNB
これは、特徴量は正規分布(ガウス分布)に従って分布するであろうと仮定します。これが使わ
れる問題としては、たとえば、「人の身長と体重が与えたれたときに、その人の性別を分類する」
ような問題です。私たちの場合は、ツイートが与えられて、そこから各単語についてその頻度を
抽出します。それらが正規分布に従わないのは明らかでしょう。
●
MultinomialNB
これは、ある事象が発生した回数を特徴量としていると仮定します。私たちはツイートの各単語
の出現回数を特徴量としているため、この仮定は私たちの場合と合致します。実際に、この分類
器はTF-IDFと相性が良く、上手く分類できるケースが多くあります。
●
BernoulliNB
これは
MultinomialNB
と似ています。しかし、単語の回数ではなく、単語が出現した/出現
していないの2値で特徴量が表される場合に適しています。
私たちは主に単語の出現回数を
特徴量として用いるので、
MultinomialNB
が最適であると言えま
す。
6.4.1
簡単な問題を最初に解く
実際のツイートをいくつか見ればすぐわかりますが、ツイートが「ポジティブ」か「ネガティブ」の
どちらか、というだけの分類は不適切です。実際、ほとんどのツイートには感情が含まれていないの
で、「意見なし(irrelevant)」または「感情なし(neutral)」になるでしょう(たとえば、「新書:実践
機械学習 http://. ...