如何在朴素贝叶斯分类中获取特征重要性与样本高概率关键词？

嘿，这个需求很常见——想拆解朴素贝叶斯的分类决策，找到每个测试样本里对结果影响最大的词对吧？我来一步步帮你实现，先顺便提下你代码里的小笔误：optimal_aplha拼写错了（应该是optimal_alpha），还有X_tr应该是X_1哦，先修正这些避免后续运行出错~

1. 构建索引到词汇的映射 #

CountVectorizer的vocabulary_是词到特征索引的字典，我们需要反转它，方便后续通过特征索引找到对应的词：

# 反转词汇表：从特征索引映射到对应的词
idx_to_word = {v: k for k, v in count_vect.vocabulary_.items()}

2. 理解BernoulliNB的概率属性 #

BernoulliNB训练完成后，有个核心属性feature_log_prob_：它是一个二维数组，形状为(类别数, 特征数)。比如你的正负类别是0和1的话，feature_log_prob_[0]代表负类下每个特征的对数概率，feature_log_prob_[1]代表正类下的对数概率。

注：用对数概率是为了避免数值下溢，数值越大，代表该特征在对应类别中出现的概率越高。

3. 遍历每个测试样本，提取关键影响词 #

对于每个测试样本，我们需要聚焦样本中实际出现过的词（没出现的词对当前样本的分类没有贡献），然后找到这些词里在预测类别下概率最高的那个，就是决定分类结果的关键词。具体代码如下：

import numpy as np

# 遍历所有测试样本
for sample_idx in range(len(X_test)):
    # 获取当前样本的预测类别
    predicted_class = pred[sample_idx]
    # 获取当前样本中存在的特征索引（即样本里出现过的词的索引）
    # X_test是稀疏矩阵，nonzero()[1]返回非零元素的列索引（对应特征索引）
    present_feature_indices = X_test[sample_idx].nonzero()[1]
    
    if len(present_feature_indices) == 0:
        print(f"样本{sample_idx}: 无有效词汇，无法定位关键影响词")
        continue
    
    # 提取预测类别下，当前样本所有存在特征的对数概率
    class_feature_probs = NB_optimal.feature_log_prob_[predicted_class][present_feature_indices]
    # 找到概率最高的特征在present_feature_indices中的位置
    max_prob_pos = np.argmax(class_feature_probs)
    # 映射回对应的词
    key_word = idx_to_word[present_feature_indices[max_prob_pos]]
    
    # 输出结果（根据你的类别标签调整正负判断逻辑）
    class_label = "正" if predicted_class == 1 else "负"
    print(f"样本{sample_idx}被分类为{class_label}类，最具影响力的词是: {key_word}")

可选：提取Top N个关键影响词 #

如果想查看对分类贡献最大的前N个词，只需要把np.argmax改成排序取前N个即可：

top_n = 3  # 自定义要取的数量
# 对概率降序排序，取前top_n的索引
sorted_prob_positions = np.argsort(class_feature_probs)[::-1][:top_n]
# 映射成对应的词
top_key_words = [idx_to_word[present_feature_indices[pos]] for pos in sorted_prob_positions]
print(f"样本{sample_idx}被分类为{class_label}类，Top{top_n}关键影响词: {', '.join(top_key_words)}")

内容的提问来源于stack exchange，提问作者merkle