Python学习笔记-机器学习实战-ch04 Python3.x版本

本文链接：https://blog.csdn.net/zc5536312/article/details/122072665

刚学习python第四章，朴素贝叶斯过滤垃圾邮件，发现有几段代码是有问题的，在今天的3.9python版本上是达不到书上的效果，作为新手的我，反复检查后发现了几处问题

（1）切割文本不能实现字母最小化问题

原文的代码如下：

def textParse(bigString):    #input is big string, #output is word list
    import re
    listOfTokens = re.split(r'\W*', bigString)
    return [tok.lower() for tok in listOfTokens if len(tok) > 2]

原文的代码执行后并不能直接把所有字母最小化，所以我做了点修改。

修改的代码如下：

def textParse(bigString):
    listOfTokens = re.split(r'\W',bigString)
    listOfTokens1=[]
    for tok in listOfTokens:
        tok=tok.lower()
        if len(tok) > 2:
            listOfTokens1.append(tok)
    return listOfTokens1

（2）训练文档不能正确删除掉测试文档

书上的代码运行的结果就是把所有的文档放入了词库里面，导致测试文档不能正确测试，造成的原因是，del这个代码不能把range 对象里的元素删掉，把range对象改成list对象就好了。

原文的代码：

    trainingSet = range(50); testSet=[]      
    for i in range(10):
        randIndex = int(random.uniform(0,len(trainingSet)))
        testSet.append(trainingSet[randIndex])
        del(trainingSet[randIndex])

修改后的代码段

    trainingSet = list(range(50)); testSet = []           #create test set
    for i in range(10):
        randIndex = int(np.random.uniform(0, len(trainingSet)))
        testSet.append(trainingSet[randIndex])
        del(trainingSet[randIndex])