机器学习实战 朴素贝叶斯

使用python进行文本分类

from numpy import *
#词汇到向量的转换函数
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']]
    #1代表侮辱文字 0代表正常言论
    classVec = [0,1,0,1,0,1]
    return postingList,classVec

#创建词汇表
def createVocabList(dataSet):
    vocabSet = set([])  #create empty set
    for document in dataSet:
        #set() 函数创建一个无序不重复元素集
        vocabSet = vocabSet | set(document) #union of the two sets
    return list(vocabSet)

#词汇到向量的转换函数
def setOfWords2Vec(vocabList,inputSet):
    #创建一个所有元素都为0的向量
    returnVec = [0]*len(vocabList)
    #遍历文档中的所有单词
    for word in input