朴素贝叶斯算法的python实现方法

goldenlion 发布于2年前
0 条问题

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:

朴素贝叶斯算法优缺点

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

算法思想:

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

函数
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)

根据贝叶斯公式朴素贝叶斯算法的python实现方法计算这个向量属于两个集合中哪个的概率高

 #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() 

需要 登录 后回复方可回复, 如果你还没有账号你可以 注册 一个帐号。