标签：... wn 贝叶斯 算法 w2 w1 w0 np 朴树
对于本例中，朴素贝叶斯公式：p(A|w)=p(w|A).p(A)/p(w)，其中w为待测试文本，由每一个单词wi构成，w=w0,w1,w2,...,wn，所以，要想知道测试本次是否属于侮辱性，则求
侮辱性概率：p(1|w)=p(w0,w1,w2,...,wn|1).p(1)/p(w0,w1,w2,...,wn)
非侮辱性概率：p(0|w)=p(w0,w1,w2,...,wn|0).p(0)/p(w0,w1,w2,...,wn)
因为假设w中各单词相互独立，又可以将上式写成
p(1|w)=p(w0|1)p(w1|1)...p(wn|1).p(1)/p(w0,w1,w2,...,wn)，再对分子取对数p'(1|w)=∑logp(wi|1)+logp(1)
因为p(1|w)和p(0|w)分母相同，且只需要比较p(1|w)和p(0|w)大小，故求分子的值即可。
代码如下：
# -*- coding: UTF-8 -*-
import numpy as np
#创建实验样本
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] #类别标签向量，1代表侮辱性词汇，0代表不是
return postingList,classVec
#对于每个样本，对齐按照词汇表进行向量化
def setOfWords2Vec(vocabList, inputSet):
returnVec = [0]*len(vocabList)
for word in inputSet:
returnVec[vocabList.index(word)] = 1
'''
这个地方觉得可以优化下，如果一个词出现多次，也只给它统计一次 +=1？？
returnVec[vocabList.index(word)] += 1,createVocabList()中也得修改
['love', 'my', 'dalmation', 'stupid', 'stupid']
按照此式得出是侮辱性，按照上式是非侮辱
'''
return returnVec
#生成词汇集
def createVocabList(dataSet):
vocabSet = set([])
for document in dataSet:
vocabSet = vocabSet|set(document)
return list(vocabSet)
#朴素贝叶斯分类器训练函数，求条件概率
def trainNB0(trainMatrix,trainCategory):
numTrainDocs = len(trainMatrix)
numWords = len(trainMatrix[0])
pAbusive = sum(trainCategory)/float(numTrainDocs)
p0Num = np.ones(numWords)#防止词汇表中的单词没出现，概率则为0，分子变成0了，统一变成1
p1Num = np.ones(numWords)
p1Denom = 2.0 #分母也由0.0变成2.0
p0Denom = 2.0
for i in range(numTrainDocs):
if trainCategory[i] == 1:
p1Num += trainMatrix[i]
p1Denom += sum(trainMatrix[i])
else:
p0Num += trainMatrix[i]
p0Denom += sum(trainMatrix[i])
p1Vect = np.log(p1Num/p1Denom)#对每个条件概率p(wi|1)求对数
p0Vect = np.log(p0Num/p0Denom)
return p0Vect,p1Vect,pAbusive
'''说明：
p(1|w0,w1,w2,...，wn)=[p(w0|1).p(w1|1).p(w2|1).....p(wn|1)]*p(1)/p(w0,w1,w2,...，wn)
p(0|w0,w1,w2,...，wn)=[p(w0|0).p(w1|0).p(w2|0).....p(wn|0)]*p(0)/p(w0,w1,w2,...，wn)
因为分母p(w0,w1,w2,...，wn)相等，故只求分子做比较
w0,w1,w2,...，wn相互独立
'''
def classifyNB(vec2Classify,p0Vec,p1Vec,pClass1):
p1 = sum(vec2Classify * p1Vec) + np.log(pClass1) #分子项，按照公式应该是相乘的，取对数后，则变为相加了
p0 = sum(vec2Classify * p0Vec) + np.log(1 - 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(np.array(trainMat),np.array(listClasses))
testEntry = ['love','my','dalmation']
thisDoc = np.array(setOfWords2Vec(myVocabList,testEntry))
if classifyNB(thisDoc,p0V,p1V,pAb):
print(testEntry,'属于侮辱类')
else:
print(testEntry,'属于非侮辱类')
testEntry = ['love','stupid','garbage']
thisDoc = np.array(setOfWords2Vec(myVocabList,testEntry))
if classifyNB(thisDoc,p0V,p1V,pAb):
print(testEntry,'属于侮辱类')
else:
print(testEntry,'属于非侮辱类')
if __name__ == '__main__':
testingNB()
测试结果如下：
['love', 'my', 'dalmation'] 属于非侮辱类 ['love', 'stupid', 'garbage'] 属于侮辱类 进程已结束，退出代码 0
参考《机器学习实战》和博客https://blog.csdn.net/c406495762/article/category/7029976
标签：...,wn,贝叶斯,算法,w2,w1,w0,np,朴树 来源： https://www.cnblogs.com/xuxiaowen1990/p/11170413.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。