• python实现朴素贝叶斯


    参考:《机器学习实战》- Machine Learning in Action

    一、 基本思想

     简单的说,用概率的高低来决定数据属于哪一类别,这就是贝叶斯决策理论的核心思想,即选择具有最高概率的决策。朴素贝叶斯,则是在贝叶斯基础上做了一些最原始、最简单的假设。在朴素贝叶斯中,假设特征之间是相互独立的,比如假设a这个单词出现在am后的概率和出现在am前的概率是一样的。另外的一个假设是,每个特征同等重要

    二、 代码

    背景:对文档进行贝叶斯分类,判断其是否属于侮辱性文档。

    #-*- coding:utf8 -*-
    from numpy import *
    
    #原始数据,训练样本
    def loadDataSet():
    	postingList = [
    		['my', 'dog', 'has', 'flea', 'problem', '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]
    	return postingList, classVec
    
    #得到所有词的列表
    def createVocabList(dataSet):
    	vocabSet = set([])
    	for document in dataSet:
    		vocabSet = vocabSet | set(document)
    	return list(vocabSet)
    
    #某个文档的向量
    def setOfWords2Vec(vocabList, inputSet):
    	returnVec = [0]*len(vocabList)
    	for word in inputSet:
    		if word in vocabList:
    			returnVec[vocabList.index(word)] = 1
    		else:
    			print "the word: %s is not in my Vocabulary!" % word
    
    	return returnVec
    
    #训练函数0
    def trainNB0(trainMatrix, trainCategory):
    	numTrainDocs = len(trainMatrix)
    	numWords = len(trainMatrix[0])
    	pAbusive = sum(trainCategory)/float(numTrainDocs)
    	p0Num = zeros(numWords)
    	p1Num = zeros(numWords)
    	p0Denom = 0.0
    	p1Denom = 0.0
    	for i in range(numTrainDocs):
    		if trainCategory[i] == 1:
    			plNum += trainMatrix[i]
    			plDenom += sum(trainMatrix)
    		else:
    			p0Num += trainMatrix[i]
    			p0Denom += sum(trainMatrix)
    	p0Vect = p0Num/p0Denom
    	p1Vect = p1Num/p1Denom
    	return p0Vect, p1Vect, pAbusive 
    
    
  • 相关阅读:
    自考新教材-p173_3(1)
    自考新教材-p148_5(2)
    自考新教材-p148_5(1)
    自考新教材-p148_4
    自考新教材-p147_3
    自考新教材-p146_4(2)
    python 模块 chardet报错解决方法:下载及介绍
    第 52 讲:论一只爬虫的自我修养
    第 51 讲: _name_属性
    Python 培训第一讲
  • 原文地址:https://www.cnblogs.com/vachester/p/7475821.html
Copyright © 2020-2023  润新知