![](https://cdn-ak-scissors.b.st-hatena.com/image/square/b0b0c59345fedd889976e18da9a4660b66de5a1f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUU4JTg3JUFBJUU3JTg0JUI2JUU4JUE4JTgwJUU4JUFBJTlFJUU1JTg3JUE2JUU3JTkwJTg2JUUzJTgyJTkyJUU3JTk0JUE4JUUzJTgxJTg0JUUzJTgxJTlGQW1hem9uJUUzJTgzJUFDJUUzJTgzJTkzJUUzJTgzJUE1JUUzJTgzJUJDJUUzJTgxJUFFJUU1JTg4JTg2JUU5JUExJTlFJUVGJUJDJTg4TmFpdmUlMjBCYXllcyVFNyVCNyVBOCVFRiVCQyU4OSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MTdlODhiNjRhMWJmMTc2ZjRmMjVhNjYzNTQ3MWNlZjQ%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwaG9ra2V5NjIxJTIwaW4lMjBBY2FkZW1pWCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTMyJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9OTAwZDhlZWQzM2U2MDNmOTY2ZGFjYWNiOTkzN2E1ZTA%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D382855b6b5809b32d16e6c28a18e1443)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
自然言語処理を用いたAmazonレビューの分類(Naive Bayes編) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
自然言語処理を用いたAmazonレビューの分類(Naive Bayes編) - Qiita
本記事ではAmazonレビューを元に、それが高評価か低評価か判断するタスクを取り扱います。 使うモデルは... 本記事ではAmazonレビューを元に、それが高評価か低評価か判断するタスクを取り扱います。 使うモデルはNaive BayesとBERTで今回はNaive Bayesを取り上げます。 BERTはこの記事をご覧ください。 Naive Bayesとは 今回は多項モデルではなく、ベルヌーイモデルを扱います。 ナイーブベイズはベイズの定理を応用した統計的手法です。 例としてある文章dがITというカテゴリーに含まれるかどうか考えてみることにします。 Naive Bayesではある文章dが与えられたときカテゴリITである確率を考えます。 各カテゴリに対して確率を計算し、最も確率が高いカテゴリに分類するというわけです。 これを事後確率といい次の式で表せます。 $$ P(IT|d) = \frac{P(IT)P(d|IT)}{P(d)} \propto P(IT)P(d|IT) $$ P(d) はどのカテ