文本分類算法主要包括樸素貝葉斯分類算法、支持向量機(jī)分類算法、KNN算法和決策樹算法。樸素貝葉斯分類算法主要利用文本中特征項(xiàng)和詞的類別的組合概率來(lái)估計(jì)文本屬于哪個(gè)類別的概率。支持向量機(jī)（SVM）主要利用

文本分類算法主要包括樸素貝葉斯分類算法、支持向量機(jī)分類算法、KNN算法和決策樹算法。

樸素貝葉斯分類算法主要利用文本中特征項(xiàng)和詞的類別的組合概率來(lái)估計(jì)文本屬于哪個(gè)類別的概率。

支持向量機(jī)（SVM）主要利用特征提取技術(shù)將文本信息轉(zhuǎn)化為詞向量，然后計(jì)算詞向量與訓(xùn)練類數(shù)據(jù)的相似度。

KNN算法是在訓(xùn)練集中找到最近的K個(gè)文本，并根據(jù)這些文本的分類來(lái)預(yù)測(cè)要分類的文本屬于哪個(gè)類別。

決策樹算法是在樹的基礎(chǔ)上建立預(yù)測(cè)模型，根據(jù)預(yù)測(cè)模型對(duì)文本進(jìn)行分類預(yù)測(cè)。

目前文本分類算法常用的有哪些呢？

樸素貝葉斯分類器是一種基于貝葉斯獨(dú)立假設(shè)定理的簡(jiǎn)單概率分類器。

Naive的直譯意思是簡(jiǎn)單、簡(jiǎn)單和天真。

樸素貝葉斯分類是最常用的兩種分類算法（決策樹分類和樸素貝葉斯分類）。分類是將一個(gè)未知樣本分成幾個(gè)已知類的過程。

樸素貝葉斯分類基于貝葉斯概率的思想，假設(shè)屬性相互獨(dú)立，如a和B，則p（B | a）表示a發(fā)生時(shí)B的概率。

詳見劉偉鵬大牛著《數(shù)學(xué)之美：平凡而神奇的貝葉斯方法》