【读书笔记】机器学习实战-4.5节 贝叶斯文本分类
2017-05-08 11:27
423 查看
机器学习
4.5节 贝叶斯文本分类#!/usr/bin/python # -*- 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] # 标签 return postingList, classVec def createVocabList(dataSet): # 返回词汇列表 vocabSet = set([]) # 创建空集 for document in dataSet: vocabSet = vocabSet|set(document) return list(vocabSet) def setOfWords2Vec(vocabList, inputSet): # 输入:词汇表 输入文档 returnVec = [0]*len(vocabList) for word in inputSet: if word in vocabList: returnVec[vocabList.index(word)] = 1 # index()函数 else: print"the word %s is not in my Vocabulary!" %word return returnVec #训练函数: def trainNB0(trainMatrix, trainCategory): # naive bayes 输入:训练文档矩阵 训练文档类别 numTrainDocs = len(trainMatrix) numWords = len(trainMatrix[0]) pAbusive = sum(trainCategory)/float(numTrainDocs) # 计算p(Ci) pabusive:侮辱文档概率, 1-pabusive :正常文档概率 p0Num = ones(numWords); p1Num = ones(numWords) # 分别统计各类别单词出现的次数 change to ones() p0Denom = 2.0; p1Denom = 2.0 for i in range(numTrainDocs): if trainCategory[i] == 1: p1Num += trainMatrix[i] # numpy.array的数组运算 p1Denom += sum(trainMatrix[i]) else: p0Num += trainMatrix[i] p0Denom += sum(trainMatrix[i]) p1Vect = log(p1Num/p1Denom) # 计算p(Wj | Ci) ; change to log(): 防止下溢出 p0Vect = log(p0Num/p0Denom) return p0Vect,p1Vect,pAbusive def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1): # 输入:需分类的向量;P(Wj | C0)向量;P(Wj | C1)向量;P(C1) p1 = sum(vec2Classify* p1Vec)+log(pClass1) # SUM(log(P(Wj|Ci))) + log(P(Ci)) 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)) # 训练 testEntry = ['love', 'my', 'dalmation'] # 测试文本 thisDoc = array(setOfWords2Vec(myVocabList, testEntry)) # 测试文本预处理 print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)# 测试 testEntry = ['stupid', 'garbage'] # 测试文本 thisDoc = array(setOfWords2Vec(myVocabList, testEntry)) # 测试文本预处理 print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb) # 测试 testingNB() #listOPosts,listClasses = loadDataSet() #myVocabList = createVocabList(listOPosts) #trainMat = [] #for postinDoc in listOPosts: # trainMat.append(setOfWords2Vec(myVocabList,postinDoc)) #p0V,p1V,pAb = trainNB0(trainMat,listClasses) pass
相关文章推荐
- 机器学习实战---读书笔记: 第4章 基于概率论的分类而方法:朴素贝叶斯
- 机器学习实战 - 读书笔记(04) - 朴素贝叶斯
- 机器学习理论与实战(三)朴素贝叶斯
- 机器学习实战 - 读书笔记(06) – SVM支持向量机
- 机器学习实战 - 读书笔记(07) - 利用AdaBoost元算法提高分类性能
- 机器学习实战笔记-朴素贝叶斯
- 机器学习实战---读书笔记: 第5章 基Logistic回归
- 【读书笔记】机器学习实战-kNN(2)
- 【读书笔记】 机器学习实战-4.7节 朴素贝叶斯 个人广告倾向
- 【Todo】【读书笔记】机器学习实战(Python版)
- 机器学习实战第四章-朴素贝叶斯
- 【读书笔记】机器学习实战 6.3节 SVM-简化版SMO算法
- 【机器学习实战】网格搜索--贝叶斯新闻文本分类器调优
- 机器学习理论与实战(三)朴素贝叶斯
- 机器学习理论与实战(三)朴素贝叶斯
- 【读书笔记】机器学习实战-决策树(1)
- 机器学习实战之朴素贝叶斯
- 机器学习实战python版 朴素贝叶斯示例 垃圾邮件分类 从个人广告中获取趋于趋向
- [机器学习实战] 基于概率论的分类方法:朴素贝叶斯
- 机器学习实战---读书笔记: 第2章 k-近邻算法