用python实现朴素贝叶斯算法_朴素贝叶斯算法的python实现方法

本文实例讲述了朴素贝叶斯算法的python实现方法。分享给大家供大家参考。具体实现方法如下：

朴素贝叶斯算法优缺点

优点：在数据较少的情况下依然有效，可以处理多类别问题

缺点：对输入数据的准备方式敏感

适用数据类型：标称型数据

算法思想：

比如我们想判断一个邮件是不是垃圾邮件，那么我们知道的是这个邮件中的词的分布，那么我们还要知道：垃圾邮件中某些词的出现是多少，就可以利用贝叶斯定理得到。

朴素贝叶斯分类器中的一个假设是：每个特征同等重要

函数

loadDataSet()

创建数据集，这里的数据集是已经拆分好的单词组成的句子，表示的是某论坛的用户评论，标签1表示这个是骂人的

createVocabList(dataSet)

找出这些句子中总共有多少单词，以确定我们词向量的大小

setOfWords2Vec(vocabList, inputSet)

将句子根据其中的单词转成向量，这里用的是伯努利模型，即只考虑这个单词是否存在

bagOfWords2VecMN(vocabList,

inputSet)

这个是将句子转成向量的另一种模型，多项式模型，考虑某个词的出现次数

trainNB0(trainMatrix,trainCatergory)

计算P(i)和P(w[i]|C[1])和P(w[i]|C[0])，这里有两个技巧，一个是开始的分子分母没有全部初始化为0是为了防止其中一个的概率为0导致整体为0，另一个是后面乘用对数防止因为精度问题结果为0

classifyNB(vec2Classify, p0Vec, p1Vec,

pClass1)

根据贝叶斯公式

计算这个向量属于两个集合中哪个的概率高

代码如下:

#coding=utf-8

from numpy import *

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']]

classVec =

[0,1,0,1,0,1] #1 is abusive, 0 not

return

postingList,classVec

#创建一个带有所有单词的列表

def createVocabList(dataSet):

vocabSet =

set([])

for document

in dataSet:

vocabSet = vocabSet | set(document)

return

list(vocabSet)

def setOfWords2Vec(vocabList, inputSet):

retVocabList

= [0] * len(vocabList)

for word in

inputSet:

if word in vocabList:

retVocabList[vocabList.index(word)] = 1

else:

print 'word ',word ,'not in dict'

return

retVocabList

#另一种模型 def bagOfWords2VecMN(vocabList, inputSet):

returnVec =

[0]*len(vocabList)

for word in

inputSet:

if word in vocabList:

returnVec[vocabList.index(word)] = 1

return

returnVec

def trainNB0(trainMatrix,trainCatergory):

numTrainDoc

= len(trainMatrix)

numWords =

len(trainMatrix[0])

pAbusive =

sum(trainCatergory)/float(numTrainDoc)

#防止多个概率的成绩当中的一个为0

p0Num =

ones(numWords)

p1Num =

ones(numWords)

p0Denom =

2.0

p1Denom =

2.0

for i in

range(numTrainDoc):

if trainCatergory[i] == 1:

p1Num =trainMatrix[i]

p1Denom = sum(trainMatrix[i])

else:

p0Num =trainMatrix[i]

p0Denom = sum(trainMatrix[i])

p1Vect =

log(p1Num/p1Denom)#处于精度的考虑，否则很可能到限归零

p0Vect =

log(p0Num/p0Denom)

return

p0Vect,p1Vect,pAbusive

def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):

p1 =

sum(vec2Classify * p1Vec)

log(pClass1) #element-wise mult

p0 =

sum(vec2Classify * p0Vec) log(1.0 - pClass1)

if p1

> p0:

return 1

else:

return 0

def testingNB():

listOPosts,listClasses = loadDataSet()

myVocabList

= createVocabList(listOPosts)

trainMat=[]

for

postinDoc in listOPosts:

trainMat.append(setOfWords2Vec(myVocabList, postinDoc))