机器学习实战之朴素贝叶斯

最新推荐文章于 2021-11-27 14:18:00 发布

繁华落叶草

最新推荐文章于 2021-11-27 14:18:00 发布

阅读量771

点赞数

分类专栏：机器学习 python

本文链接：https://blog.csdn.net/wht18720080085/article/details/85341637

版权

先把代码贴上，注释后期更新

书上例4.7的网址已经失效，建议换新的网址

from numpy import *
#创建数据集
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]
#返回单词列表和所述类别
    return postingList,classVec
def createVocabList(dataSet):# 将所有文章中的词汇取并集汇总
    vocabSet=set([]) # 定义一个set(set存储的内容无重复)
    for document in dataSet:# 遍历导入的dataset数据，将所有词汇取并集存储至vocabSet中
        vocabSet=vocabSet | set(document)# | 符号为取并集，即获得所有文章的词汇表
    return list(vocabSet)
#该函数输入参数为词汇表及某篇文章，输出为文档向量，向量每个元素为1或0，分别表示词汇表中的单词在输入文档中是否出现；
def setOfWords2Vec(vocabList,inputSet):
    returnVec=[0]*len(vocabList)#构建一个0向量；
    for word in inputSet:
        if word in vocabList:# 遍历词汇表，如果文档中出现了词汇表中单词，则将输出的文档向量中对应值设为1，旨在计算各词汇出现的次数；
            returnVec[vocabList.index(word)]=1#因为上一段代码里，给的文章例子里的单词都是不重复的，如果有重