朴素贝叶斯算法的python实现方法
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
计算这个向量属于两个集合中哪个的概率高
代码如下:
#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:
