机器学习实战笔记(3.3)-朴素贝叶斯算法(多项式模型的朴素贝叶斯实现)

多项式模型的朴素贝叶斯：

       实际看，每个词的权重是完全不同的，仅仅看是否出现，其实是无法最大限度的逼近真实。仅仅需要把统计单词的函数做一点点增强，就可以实现统计词频了。

 

 

defbagOfWords2VecMN(vocabList, inputSet):

    returnVec = [0]*len(vocabList)

    for word in inputSet:

        if word in vocabList:

            returnVec[vocabList.index(word)] +=1

    return returnVec

 

 

 

>>> bayes.setOfWords2Vec(myVocabList,['I','him','stupid','not','not','stupid'])

[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0,0, 0,1, 0, 0, 0, 0, 0]

 

看，stupid not not都被两次统计了！

 

>>> bayes.bagOfWords2VecMN(myVocabList,['I','him','stupid','not','not','stupid'])

[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2, 1, 0, 0, 0, 0, 0, 0, 0, 0,0, 0,2, 0, 0, 0, 0, 0]

 

       基本都的问题都解决了，下面就是实际应用讲解了。

 

   实际实现就简单了，前面的函数都可以使用。唯一添加的就是要对待分析文本做点数据清洗工作。 除去标点符号，然后什么 a 空格 等短词汇，整个词汇列表如下：

 

 

'roofer', 'create', 'computing', 'been','strategy', 'attaching', 'much', 'treat', 'borders', 'prototyp