如果你接触过机器学习，那你就知道老师的实验课都会给你一堆数据，让你标注其中一些数据喂给模型让它自己学习，然后再丢给它一些未标注的数据来测试它的准确率。笔者最初对机器学习的认识就是这样--做分类。不过对于文本分类来说，我们有更好的方法。比如一本书里全是跟恋爱、青春有关的词，那它八成是本言情小说；一段影评里全是“不如”“垃圾”，那它八成是差评（这里笔者想了一会串子发的东西是好评还是差评，最后没得出答案）。而这便是文本分类里的Naive贝叶斯分类的思想。
摘要：文本分类模型，Naive贝叶斯分类，词袋模型，特征向量，多元朴素贝叶斯模型，文本分类评估（精确率P，召回率R，混合度量F），生成模型与鉴别模型，Sigmoid函数，交叉熵，Logisitic回归，随机梯度下降（建议配合《机器学习--梯度下降法》（分类：计算机；标签：机器学习）食用）
