算法優(yōu)缺點(diǎn)

優(yōu)點(diǎn)：在數(shù)據(jù)較少的情況下依然有效，可以處理多類別問題

缺點(diǎn)：對(duì)輸入數(shù)據(jù)的準(zhǔn)備方式敏感

適用數(shù)據(jù)類型：標(biāo)稱型數(shù)據(jù)

算法思想：

樸素貝葉斯

比如我們想判斷一個(gè)郵件是不是垃圾郵件，那么我們知道的是這個(gè)郵件中的詞的分布，那么我們還要知道：垃圾郵件中某些詞的出現(xiàn)是多少，就可以利用貝葉斯定理得到。

樸素貝葉斯分類器中的一個(gè)假設(shè)是：每個(gè)特征同等重要

貝葉斯分類是一類分類算法的總稱，這類算法均以貝葉斯定理為基礎(chǔ)，故統(tǒng)稱為貝葉斯分類。

函數(shù)

loadDataSet()

創(chuàng)建數(shù)據(jù)集，這里的數(shù)據(jù)集是已經(jīng)拆分好的單詞組成的句子，表示的是某論壇的用戶評(píng)論，標(biāo)簽1表示這個(gè)是罵人的

createVocabList(dataSet)

找出這些句子中總共有多少單詞，以確定我們?cè)~向量的大小

setOfWords2Vec(vocabList, inputSet)

將句子根據(jù)其中的單詞轉(zhuǎn)成向量，這里用的是伯努利模型，即只考慮這個(gè)單詞是否存在

bagOfWords2VecMN(vocabList, inputSet)

這個(gè)是將句子轉(zhuǎn)成向量的另一種模型，多項(xiàng)式模型，考慮某個(gè)詞的出現(xiàn)次數(shù)

trainNB0(trainMatrix,trainCatergory)

計(jì)算P(i)和P(w[i]|C[1])和P(w[i]|C[0])，這里有兩個(gè)技巧，一個(gè)是開始的分子分母沒有全部初始化為0是為了防止其中一個(gè)的概率為0導(dǎo)致整體為0，另一個(gè)是后面乘用對(duì)數(shù)防止因?yàn)榫�度問題結(jié)果為0

classifyNB(vec2Classify, p0Vec, p1Vec, pClass1)

根據(jù)貝葉斯公式計(jì)算這個(gè)向量屬于兩個(gè)集合中哪個(gè)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
#創(chuàng)建一個(gè)帶有所有單詞的列表
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
#另一種模型    
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)
    #防止多個(gè)概率的成績(jī)當(dāng)中的一個(gè)為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)#處于精度的考慮，否則很可能到限歸零
    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()

標(biāo)簽：

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。