朴素贝叶斯算法的python实现方法

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))

    p0V,p1V,pAb
= trainNB0(array(trainMat),array(listClasses))

    testEntry =
['love', 'my', 'dalmation']

    thisDoc =
array(setOfWords2Vec(myVocabList, testEntry))

    print
testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)

    testEntry =
['stupid', 'garbage']

    thisDoc =
array(setOfWords2Vec(myVocabList, testEntry))

    print
testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)

   

   

def main():

   
testingNB()

   

if __name__ == '__main__':

    main()

希望本文所述对大家的Python程序设计有所帮助。