朴素贝叶斯
2016-01-26 15:12
603 查看
这篇文章接介绍一种非常简单的监督学习算法:朴素贝叶斯。简单到根本不用构建分类器,只需要计算概率就行了。因为这个算法就是一个基本的概率公式推导出来的
公式的推导(周志华机器学习)
公式的推导(模式识别)
下面根据一个实例介绍
朴素贝叶斯如何用于文本分类
再来一个实例介绍
朴素贝叶斯数据
m b t m s t g q t h s t g q t g q f g s f h b f h q f m b f
朴素贝叶斯代码
#encoding=utf-8 raw_file=open("raw_data") raw_list=raw_file.readlines() map_list=[]#利用二维数组保存所有数据 predict_record=["m","q"] for ele in raw_list: list1=ele.strip().split(" ") map_list.append(list1) #三个字段分别有哪些值如C字段有 t和f a_list=[] a_set=() b_list=[] b_set=() c_list=[] c_set=() for ele in map_list: a_list.append(ele[0]) b_list.append(ele[1]) c_list.append(ele[2]) a_set=set(a_list) b_set=set(b_list) c_set=set(c_list) #获取概率值 p(C=c1) p(C=c2)等 list_t=[] list_f=[] for ele in map_list: if (ele[2]).strip() == "t": list_t.append(ele) if (ele[2]).strip() == "f": list_f.append(ele) pro_t= float(len(list_t)) / float(len(map_list)) pro_f= float(len(list_f)) / float(len(map_list)) #获取概率值 p(A=m | C=t) p(B=q | C=t) p(A=m | C=f) p(B=q | C=f) list_mt=[] list_qt=[] list_mf=[] list_qf=[] for ele in list_t: if ele[0] == predict_record[0] : list_mt.append(ele) if ele[1] == predict_record[1]: list_qt.append(ele) for ele in list_f: if ele[0] == predict_record[0] : list_mf.append(ele) if ele[1] == predict_record[1]: list_qf.append(ele) pro_mt=float(len(list_mt)) / float(len(list_t)) pro_qt=float(len(list_qt)) / float(len(list_t)) pro_mf=float(len(list_mf)) / float(len(list_f)) pro_qf=float(len(list_qf)) / float(len(list_f)) #计算p(C=t | A=m,B=q) p(C=f | A=m,B=q) pro_mq=1.0#由于p(A=m,B=q)不影响计算,所以设为常数1 pro_tmq= ( pro_t * pro_mt * pro_qt ) / pro_mq pro_fmq= ( pro_f * pro_mf * pro_qf) / pro_mq if pro_tmq > pro_fmq: print "t\n" elif pro_tmq < pro_fmq: print "f\n" elif pro_tmq == pro_fmq: print "the probility is the same,choose another method" else: print "error"
朴素贝叶斯文本分类数据
1;Chinese Beijing Chinese;yes 2;Chinese Chinese Shanghai;yes 3;Chinese Macao;yes 4;Tokyo Japan Chinese;no
朴素贝叶斯文本分类代码
#encoding=utf-8 list_sample=["Chinese","Chinese","Chinese","Tokyo","Japan"]#需要预测的文本 #读取源数据 raw_data=open("raw_data","r+") list_raw=raw_data.readlines() list_all=[] set_all=() list_yes=[] list_yes_all_word=[] list_no=[] list_no_all_word=[] #进行格式转换 for ele in list_raw: list_id_words_tag=ele.split(";") #print list1[0],":",list1[1],":",list1[2] list_words=list_id_words_tag[1].strip().split(" ") #获取所有文本中的所有单词 for word in list_words: list_all.append(word) #筛选出yes和no的文本 tag=list_id_words_tag[2].strip() if tag == "yes": list_yes.append(list_words) if tag == "no": list_no.append(list_words) set_all=set(list_all) #获取laplance平滑参数 #为防止分子出现0,分子加上laplance平滑系数L=1,为防止分母为0,分母加上所有文本中的不同的单词总数 yes_words_number=0 no_words_number=0 for ele in list_yes: yes_words_number = yes_words_number + len(ele) for ele in list_no: no_words_number = no_words_number + len(ele) L1=1 L2=len(set_all) #统计sample中每个单词在yes和no中出现的次数 sample_word_yes_number_dict={} sample_word_no_number_dict={} for sample_word in list_sample:#sample中每个word,对于每个word,都要遍历list_yes 和 list_no #初始化字典 sample_word_yes_number_dict[sample_word] = 0 sample_word_no_number_dict[sample_word] = 0 #sample中的每个单词在yes中出现的次数 for words in list_yes:#属于yes的文本 for word in words:#每个文本中的word if word == sample_word:#如果该文本中的该单词与sample中的该单词一致,则该单词对应的数量 +1 sample_word_yes_number_dict[sample_word] = sample_word_yes_number_dict[sample_word] + 1 # sample中的每个单词在no中出现的次数 for words in list_no: # 属于no的文本 for word in words: # 每个文本中的word if word == sample_word: # 如果该文本中的该单词与sample中的该单词一致,则该单词对应的数量 +1 sample_word_no_number_dict[sample_word] = sample_word_no_number_dict[sample_word] + 1 # for ele in sample_word_no_number_dict: # print ele,sample_word_no_number_dict[ele] #开始计算该文本分别属于yes和no的概率 pro_yes=1.0 pro_no=1.0 for word in list_sample: #计算该文本属于yes的概率 yes_result1=float(sample_word_yes_number_dict[word] + L1)#分子 yes_result2=float( yes_words_number + L2)#分母 yes_result3=yes_result1 / yes_result2#分子/分母 pro_yes = pro_yes * yes_result3#连乘 #计算该文本属于no的概率 no_result1 = float(sample_word_no_number_dict[word] + L1) # 分子 no_result2 = float(no_words_number + L2) # 分母 no_result3 = no_result1 / no_result2 # 分子/分母 pro_no = pro_no * no_result3 # 连乘 #最后概率还要乘yes和no的比例 word_length = float(yes_words_number + no_words_number) yes_words_number=float(yes_words_number) pro_yes = pro_yes * yes_words_number / word_length no_words_number=float(no_words_number) pro_no = pro_no * no_words_number / word_length #通过比较概率大小,得出sample文本属于哪个类别 if pro_yes > pro_no: print "yes" elif pro_yes < pro_no: print "no" elif pro_yes == pro_no: print "the probility is the same" else: print "error"
相关文章推荐
- android 代码实现控件之间的间距
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- [Android]在代码里运行另一个程序的方法
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- FREEBASIC 编译可被python调用的dll函数示例