源码网商城,靠谱的源码在线交易网站 我的订单 购物车 帮助

源码网商城

朴素贝叶斯算法的python实现方法

  • 时间:2020-05-28 18:52 编辑: 来源: 阅读:
  • 扫一扫,手机访问
摘要:朴素贝叶斯算法的python实现方法
本文实例讲述了朴素贝叶斯算法的python实现方法。分享给大家供大家参考。具体实现方法如下: [b]朴素贝叶斯算法优缺点[/b] 优点:在数据较少的情况下依然有效,可以处理多类别问题 缺点:对输入数据的准备方式敏感 适用数据类型:标称型数据 [b]算法思想:[/b] 比如我们想判断一个邮件是不是垃圾邮件,那么我们知道的是这个邮件中的词的分布,那么我们还要知道:垃圾邮件中某些词的出现是多少,就可以利用贝叶斯定理得到。 朴素贝叶斯分类器中的一个假设是:每个特征同等重要 [b]函数 [/b]loadDataSet() 创建数据集,这里的数据集是已经拆分好的单词组成的句子,表示的是某论坛的用户评论,标签1表示这个是骂人的 createVocabList(dataSet) 找出这些句子中总共有多少单词,以确定我们词向量的大小 setOfWords2Vec(vocabList, inputSet) 将句子根据其中的单词转成向量,这里用的是伯努利模型,即只考虑这个单词是否存在 bagOfWords2VecMN(vocabList, inputSet) 这个是将句子转成向量的另一种模型,多项式模型,考虑某个词的出现次数 trainNB0(trainMatrix,trainCatergory) 计算P(i)和P(w[i]|C[1])和P(w[i]|C[0]),这里有两个技巧,一个是开始的分子分母没有全部初始化为0是为了防止其中一个的概率为0导致整体为0,另一个是后面乘用对数防止因为精度问题结果为0 classifyNB(vec2Classify, p0Vec, p1Vec, pClass1) 根据贝叶斯公式[img]http://files.jb51.net/file_images/article/201411/20141118113314923.png?20141018113334[/img] 计算这个向量属于两个集合中哪个的概率高
[u]复制代码[/u] 代码如下:
#coding=utf-8 from numpy import * def loadDataSet():     postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'],                  ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', 'stupid'],                  ['my', 'dalmation', 'is', 'so', 'cute', 'I', 'love', 'him'],                  ['stop', 'posting', 'stupid', 'worthless', 'garbage'],                  ['mr', 'licks', 'ate', 'my', 'steak', 'how', 'to', 'stop', 'him'],                  ['quit', 'buying', 'worthless', 'dog', 'food', 'stupid']]     classVec = [0,1,0,1,0,1]    #1 is abusive, 0 not     return postingList,classVec #创建一个带有所有单词的列表 def createVocabList(dataSet):     vocabSet = set([])     for document in dataSet:         vocabSet = vocabSet | set(document)     return list(vocabSet)     def setOfWords2Vec(vocabList, inputSet):     retVocabList = [0] * len(vocabList)     for word in inputSet:         if word in vocabList:             retVocabList[vocabList.index(word)] = 1         else:             print 'word ',word ,'not in dict'     return retVocabList #另一种模型    def bagOfWords2VecMN(vocabList, inputSet):     returnVec = [0]*len(vocabList)     for word in inputSet:         if word in vocabList:             returnVec[vocabList.index(word)] += 1     return returnVec def trainNB0(trainMatrix,trainCatergory):     numTrainDoc = len(trainMatrix)     numWords = len(trainMatrix[0])     pAbusive = sum(trainCatergory)/float(numTrainDoc)     #防止多个概率的成绩当中的一个为0     p0Num = ones(numWords)     p1Num = ones(numWords)     p0Denom = 2.0     p1Denom = 2.0     for i in range(numTrainDoc):         if trainCatergory[i] == 1:             p1Num +=trainMatrix[i]             p1Denom += sum(trainMatrix[i])         else:             p0Num +=trainMatrix[i]             p0Denom += sum(trainMatrix[i])     p1Vect = log(p1Num/p1Denom)#处于精度的考虑,否则很可能到限归零     p0Vect = log(p0Num/p0Denom)     return p0Vect,p1Vect,pAbusive     def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):     p1 = sum(vec2Classify * p1Vec) + log(pClass1)    #element-wise mult     p0 = sum(vec2Classify * p0Vec) + log(1.0 - pClass1)     if p1 > p0:         return 1     else:         return 0         def testingNB():     listOPosts,listClasses = loadDataSet()     myVocabList = createVocabList(listOPosts)     trainMat=[]     for postinDoc in listOPosts:         trainMat.append(setOfWords2Vec(myVocabList, postinDoc))     p0V,p1V,pAb = trainNB0(array(trainMat),array(listClasses))     testEntry = ['love', 'my', 'dalmation']     thisDoc = array(setOfWords2Vec(myVocabList, testEntry))     print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)     testEntry = ['stupid', 'garbage']     thisDoc = array(setOfWords2Vec(myVocabList, testEntry))     print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)         def main():     testingNB()     if __name__ == '__main__':     main()
希望本文所述对大家的Python程序设计有所帮助。
  • 全部评论(0)
联系客服
客服电话:
400-000-3129
微信版

扫一扫进微信版
返回顶部