sklearn中的朴素贝叶斯模型及其应用

1.使用朴素贝叶斯模型对iris数据集进行花分类

尝试使用3种不同类型的朴素贝叶斯：

高斯分布型

多项式型

伯努利型

2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。

 

3. 垃圾邮件分类

数据准备：

• 用csv读取邮件数据，分解出邮件类别及邮件内容。
• 对邮件内容进行预处理：去掉长度小于3的词，去掉没有语义的词等

尝试使用nltk库：

pip install nltk

import nltk

nltk.download

不成功：就使用词频统计的处理方法

 

训练集和测试集数据划分

• from sklearn.model_selection import train_test_split

from sklearn.datasets import load_iris
from sklearn.naive_bayes import GaussianNB
from sklearn.naive_bayes import BernoulliNB
from sklearn.model_selection import cross_val_score

def Gauss(iris):
    #高斯分布预测
    gnb = GaussianNB()
    pred = gnb.fit(iris.data,iris.target)
    y_pred = pred.predict(iris.data)


    print(iris.target)
    print(y_pred)
    print(iris.data.shape[0],(iris.target != y_pred).sum())

def bernoulli(iris):
    '''伯努利分布预测'''
    bnb = BernoulliNB()
    pred = bnb.fit(iris.data,iris.target)
    y_pred = pred.predict(iris.data)
    print(iris.target)
    print(y_pred)
    print(iris.data.shape[0],(iris.target != y_pred).sum())

def yanzhen(iris):
    '''用交叉验证'''
    gnb = GaussianNB()
    pred = cross_val_score(gnb,iris.data,iris.target,cv=10)
    print(pred.mean())
if __name__ == '__main__':
    iris = load_iris()
    Gauss(iris)
    bernoulli(iris)
    yanzhen(iris)

运行结果:

 

import csv
file=r'd:/SMSSpamCollectionjsn.txt'

with open(file,encoding='utf-8') as f:
    sms = f.read()


sms_data=[]#邮件的内容
sms_label=[]#邮件的类别
csv_reader=csv.reader(sms,delimiter='\t')
for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(line[1])
sms_data=str(sms_data)#将列表转化为字符串
sms_data=sms_data.lower()#对大小写进行处理
sms_data=sms_data.split()#变成列表的形式
sms_data1=[]#存放处理后的内容
i=0
for i in sms_data:#去掉长度小于3的单词
    if len(i)>4:
        sms_data1.append(i)
        continue