机器学习之朴素贝叶斯-朴素贝叶斯的python代码实现

1.伯努利朴素贝叶斯

常用于文档分类

2.构建词向量

侮辱性（1）非侮辱性（0）

3.此案例所有函数

4. reduce 函数

reduce() 函数会对参数序列中元素进行累积。

函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

reduce(function,iterable,[initializer])

• function – 函数，有两个参数
• iterable – 可迭代对象
• initializer – 可选，初始参数

5.伯努利朴素贝叶斯

伯努利朴素贝叶斯分类器主要用于文本分类，下面我们以一个具体的例子，来讲述下伯努利朴素贝叶斯的原理和实现逻辑。
具体例子：

已知我们有八个句子以及每个句子对应的类别，即中性或侮辱性。那么再给出一个句子，我们来判断该句子是中性还是侮辱性，即计算该句子是中性的概率大还是侮辱性的概率大，概率大的类别即为我们判断的类别。

首先要把句子进行处理，即把句子分解成拥有多个单词的单词组，句子对应的单词组以及类别如下所示：

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', 'a