朴素Bayes分类实践

一、回顾概率论

　　1、条件概率，这个公式说白了就是不同样本空间下的概率问题！

　　2、全概率公式，证明不难。

　　3、贝叶斯公式，这个公式可厉害了，根据原有的数据，由因知果，再执果索因。根据上述公式，推导过程简单的不要不要的。

　　　　

 二、自制文本分类

# -*- coding: utf-8 -*-
"""
Created on Tue Sep 11 07:56:14 2018

@author: Administrator
"""
#创建词汇表
def loadDataSet():
    email=[  ['菜鸟','包裹'] , ['邮政','物流','您的','快递','投递','揽投员'],['快件','货号','有效证件','取件','速运']   ,
            ['您','验证码','本人','操作','请','忽略','短信'],['十分钟','有效'],['验证码','请','完成','验证'],
            ['尊敬','恭喜','用户','抽奖','机会'],['身份证','贷款','提现'],['您好','您','账户','额度','提现'],
            ['温馨提醒','您','账户','余额','当前','正常','使用','尽快','交费'],['订单','您','已购']]
    label=['快递','验证码','垃圾短信','个人账户']
    index=[0,0,0,1,1,1,2,2,2,3,3];
    return email,label,index;

#去重获得词汇集,每类词汇集 
def vocalTable(dataset,index):
    vocaSet=set([]);
    vocaClassifier=[]                #各类词汇集
    typey=set(index)
    length=len(typey)
    for i in range(0,length):        #h创建空集合放对应类型词汇
        vocaClassifier.append(set([]));
    
    for i in range(0,len(dataset)):
        vocaSet=vocaSet|set(dataset[i]);
        vocaClassifier[ index[i] ]= vocaClassifier[ index[i] ] | set(dataset[i]);
    vocaSetlist(vocaSet);
    for i in range(0,length):        #h创建空集合放对应类型词汇
        vocaClassifier[i]=list(vocaClassifier[i]);
    return list(vocaSet),vocaClassifier,typey

#计算概率
#email,label,index=loadDataSet()
#vocaSet,vocaClassifier,typey=vocalTable(email,index)
def calPossiblity(typey,indexy,vocaClassifier,email):  #typey 指 y的类型数值，indexy指数据集
    #计算 p(y=Ck) 
    p_y_k=[];
    N=len(typey)
    for i in typey:
        cnt=0
        for j in indexy:
            if(j==i):
                cnt+=1
        p_y_k.append(cnt/N);
        
    #计算   p( x=xij | y=ck ) 
    length=len(typey);
    
    numtype=[];     #每一类的词汇数量
    numword=[];     #每类词汇数量
    for i in range(0,length):
        x=[];
        for j in range(0,len(vocaClassifier)):
            x.append(0);
        numtype.append(0);
        numword.append(x);

    for i in range(0,len(email)):
        for j in email[i]:
            for k in range(0,len(vocaClassifier[i])):
                if( vocaClassifier[i][k] == j ):
                    numword[i][j]+=1;
                    break;
        numtype[ indexy[i]  ]+=len(email[i])