朴素贝叶斯算法python实现可视化结果_机器学习实战之python实现朴素贝叶斯算法...

图片.png

关于朴素贝叶斯的理论介绍，请参见下方链接：

带你搞懂朴素贝叶斯分类算法

python代码实现朴素贝叶斯分类算法

'''判断留言是否属于敏感类留言'''

import numpy as np

def loadDataSet():#生成一个文本集

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] #0代表正常留言，1代表敏感留言

return postingList,classVec

def createVocabList(dataSet):#利用文本集，生成一个词汇表

vocabSet = set() #确保词汇表的唯一性

for document in dataSet:

vocabSet = vocabSet | set(document)

return list(vocabSet)

def setofwordsvec(vocabList,inputSet):#检查句中的单词是否在词汇表里存在

#(词集模型，即只判断该词是否出现)

returnvec = [0]*len(vocabList) #依据词汇表的长度生成一个全为0的向量

for word in inputSet:

if word in vocabList:

returnvec[vocabList.index(word)] = 1 #如果单词存在词汇表，则将词汇表

#对应的值设为1

<