朴素贝叶斯分类器的python实现

最新推荐文章于 2024-08-06 11:08:19 发布

WEILING123

最新推荐文章于 2024-08-06 11:08:19 发布

阅读量573

点赞数 1

分类专栏： python 文章标签： python 机器学习算法

本文链接：https://blog.csdn.net/WEILING123/article/details/104056218

版权

本文介绍了朴素贝叶斯分类器的工作原理，通过一个英文评论分类的例子展示了如何使用Python实现。文章详细解释了如何计算先验概率和条件概率，并处理概率为0的情况。最后，通过实例验证了分类器的正确性。

摘要由CSDN通过智能技术生成

引子

朴素贝叶斯分类器顾名思义是以贝叶斯公式为基础的分类器，其将后验概率转换为先验概率和不同类的条件概率的乘积，再通过比较不同的类别下该乘积的大小实现分类。不同于其他的分类器，朴素贝叶斯分类器严格意义上没有训练过程，只需计算相关概率即可。贝叶斯分类器比较适合对自然语言分类的模型，下面以对英文评文本类为例，详细描述如何实现一个贝叶斯分类器。

代码

首先引入语料库，其内容为英文网站评论，如果需要处理中文，还需要对中文进行分词，获得单词列表。

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]