机器学习——朴素贝叶斯代码实现

代码：

链接：https://pan.baidu.com/s/17Cm6Yq99WCT3XB0D19fqGA?pwd=3kfh 
提取码：3kfh

运行结果：

 

 判断是正常邮件还是垃圾邮件的概率：

判断的结果：

反思

朴素贝叶斯分类的优缺点：

优点：

• 算法逻辑简单，易于实现
• 分类过程中时空开销小

缺点：

• 理论上，朴素贝叶斯与其他分类方法相比具有最小的误差率，但是实际上并非如此，因为朴素贝叶斯模型假设属性之间相互独立，这往往在实际中是不成立的，在属性个数比较多，或者属性之间相关性较大时，分类效果不好。
• 在属性相关性较小时，朴素贝叶斯的性能最为良好。对于这一点，有关朴素贝叶斯之类的算法通过考虑部分关联性适度改进

反思

•  首先先验集并不是从一个大样本中筛选出来的，所以导致每一个类的初始先验概率相同，事实上垃圾邮件的数量会多于正常邮件，搜狗中也并不是这九个类的先验概率相同
• 如果真的按照朴素贝叶斯来计算的话，概率相乘会有许多概率相乘，多个接近0的小数相乘会容易导致python溢出，导致概率归为0，因此我么使用math.log函数的性质，将内部乘转化为外部的加法。