朴素贝叶斯算法的python实现-乾颐堂

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：

朴素贝叶斯

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

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。

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)

根据贝叶斯公式计算这个向量属于两个集合中哪个的概率高

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81

#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()

http://www.qytang.com/cn/list/28/404.htm
http://www.qytang.com/cn/list/28/397.htm
http://www.qytang.com/cn/list/28/396.htm
http://www.qytang.com/cn/list/28/395.htm
http://www.qytang.com/cn/list/28/394.htm
http://www.qytang.com/cn/list/28/393.htm
http://www.qytang.com/cn/list/28/391.htm
http://www.qytang.com/cn/list/28/389.htm
http://www.qytang.com/cn/list/28/388.htm
http://www.qytang.com/cn/list/28/362.htm
http://www.qytang.com/cn/list/28/358.htm
http://www.qytang.com/cn/list/28/351.htm
http://www.qytang.com/cn/list/28/348.htm
http://www.qytang.com/cn/list/28/340.htm
http://www.qytang.com/cn/list/28/338.htm
http://www.qytang.com/cn/list/28/336.htm
http://www.qytang.com/cn/list/28/330.htm

http://www.qytang.com/
http://www.qytang.com/cn/list/29/