本文实例讲述了Python实现的朴素贝叶斯算法。分享给大家供大家参考,具体如下:
代码主要参考机器学习实战那本书,发现最近老外的书确实比中国人写的好,由浅入深,代码通俗易懂,不多说上代码:
#encoding:utf-8 ''''' Created on 2015年9月6日 @author: ZHOUMEIXU204 朴素贝叶斯实现过程 ''' #在该算法中类标签为1和0,如果是多标签稍微改动代码既可 import numpy as np path=u"D:\\Users\\zhoumeixu204\Desktop\\python语言机器学习\\机器学习实战代码 python\\机器学习实战代码\\machinelearninginaction\\Ch04\\" 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 def createVocabList(dataset): vocabSet=set([]) for document in dataset: vocabSet=vocabSet|set(document) return list(vocabSet) def setOfWordseVec(vocabList,inputSet): returnVec=[0]*len(vocabList) for word in inputSet: if word in vocabList: returnVec[vocabList.index(word)]=1 #vocabList.index() 函数获取vocabList列表某个元素的位置,这段代码得到一个只包含0和1的列表 else: print("the word :%s is not in my Vocabulary!"%word) return returnVec listOPosts,listClasses=loadDataSet() myVocabList=createVocabList(listOPosts) print(len(myVocabList)) print(myVocabList) print(setOfWordseVec(myVocabList, listOPosts[0])) print(setOfWordseVec(myVocabList, listOPosts[3])) #上述代码是将文本转化为向量的形式,如果出现则在向量中为1,若不出现 ,则为0 def trainNB0(trainMatrix,trainCategory): #创建朴素贝叶斯分类器函数 numTrainDocs=len(trainMatrix) numWords=len(trainMatrix[0]) pAbusive=sum(trainCategory)/float(numTrainDocs) p0Num=np.ones(numWords);p1Num=np.ones(numWords) p0Deom=2.0;p1Deom=2.0 for i in range(numTrainDocs): if trainCategory[i]==1: p1Num+=trainMatrix[i] p1Deom+=sum(trainMatrix[i]) else: p0Num+=trainMatrix[i] p0Deom+=sum(trainMatrix[i]) p1vect=np.log(p1Num/p1Deom) #change to log p0vect=np.log(p0Num/p0Deom) #change to log return p0vect,p1vect,pAbusive listOPosts,listClasses=loadDataSet() myVocabList=createVocabList(listOPosts) trainMat=[] for postinDoc in listOPosts: trainMat.append(setOfWordseVec(myVocabList, postinDoc)) p0V,p1V,pAb=trainNB0(trainMat, listClasses) if __name__!='__main__': print("p0的概况") print (p0V) print("p1的概率") print (p1V) print("pAb的概率") print (pAb)
运行结果:
32
['him', 'garbage', 'problems', 'take', 'steak', 'quit', 'so', 'is', 'cute', 'posting', 'dog', 'to', 'love', 'licks', 'dalmation', 'flea', 'I', 'please', 'maybe', 'buying', 'my', 'stupid', 'park', 'food', 'stop', 'has', 'ate', 'help', 'how', 'mr', 'worthless', 'not']
[0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0]
# -*- coding:utf-8 -*- #!python2 #构建样本分类器testEntry=['love','my','dalmation'] testEntry=['stupid','garbage']到底属于哪个类别 import numpy as np 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 def createVocabList(dataset): vocabSet=set([]) for document in dataset: vocabSet=vocabSet|set(document) return list(vocabSet) def setOfWordseVec(vocabList,inputSet): returnVec=[0]*len(vocabList) for word in inputSet: if word in vocabList: returnVec[vocabList.index(word)]=1 #vocabList.index() 函数获取vocabList列表某个元素的位置,这段代码得到一个只包含0和1的列表 else: print("the word :%s is not in my Vocabulary!"%word) return returnVec def trainNB0(trainMatrix,trainCategory): #创建朴素贝叶斯分类器函数 numTrainDocs=len(trainMatrix) numWords=len(trainMatrix[0]) pAbusive=sum(trainCategory)/float(numTrainDocs) p0Num=np.ones(numWords);p1Num=np.ones(numWords) p0Deom=2.0;p1Deom=2.0 for i in range(numTrainDocs): if trainCategory[i]==1: p1Num+=trainMatrix[i] p1Deom+=sum(trainMatrix[i]) else: p0Num+=trainMatrix[i] p0Deom+=sum(trainMatrix[i]) p1vect=np.log(p1Num/p1Deom) #change to log p0vect=np.log(p0Num/p0Deom) #change to log return p0vect,p1vect,pAbusive def classifyNB(vec2Classify,p0Vec,p1Vec,pClass1): p1=sum(vec2Classify*p1Vec)+np.log(pClass1) p0=sum(vec2Classify*p0Vec)+np.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(setOfWordseVec(myVocabList, postinDoc)) p0V,p1V,pAb=trainNB0(np.array(trainMat),np.array(listClasses)) print("p0V={0}".format(p0V)) print("p1V={0}".format(p1V)) print("pAb={0}".format(pAb)) testEntry=['love','my','dalmation'] thisDoc=np.array(setOfWordseVec(myVocabList, testEntry)) print(thisDoc) print("vec2Classify*p0Vec={0}".format(thisDoc*p0V)) print(testEntry,'classified as :',classifyNB(thisDoc, p0V, p1V, pAb)) testEntry=['stupid','garbage'] thisDoc=np.array(setOfWordseVec(myVocabList, testEntry)) print(thisDoc) print(testEntry,'classified as :',classifyNB(thisDoc, p0V, p1V, pAb)) if __name__=='__main__': testingNB()
运行结果:
p0V=[-3.25809654 -2.56494936 -3.25809654 -3.25809654 -2.56494936 -2.56494936
-3.25809654 -2.56494936 -2.56494936 -3.25809654 -2.56494936 -2.56494936
-2.56494936 -2.56494936 -1.87180218 -2.56494936 -2.56494936 -2.56494936
-2.56494936 -2.56494936 -2.56494936 -3.25809654 -3.25809654 -2.56494936
-2.56494936 -3.25809654 -2.15948425 -2.56494936 -3.25809654 -2.56494936
-3.25809654 -3.25809654]
p1V=[-2.35137526 -3.04452244 -1.94591015 -2.35137526 -1.94591015 -3.04452244
-2.35137526 -3.04452244 -3.04452244 -1.65822808 -3.04452244 -3.04452244
-2.35137526 -3.04452244 -3.04452244 -3.04452244 -3.04452244 -3.04452244
-3.04452244 -3.04452244 -3.04452244 -2.35137526 -2.35137526 -3.04452244
-3.04452244 -2.35137526 -2.35137526 -3.04452244 -2.35137526 -2.35137526
-2.35137526 -2.35137526]
pAb=0.5
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0]
vec2Classify*p0Vec=[-0. -0. -0. -0. -0. -0. -0.
-0. -0. -0. -0. -0. -0. -0.
-1.87180218 -0. -0. -2.56494936 -0. -0. -0.
-0. -0. -0. -0. -0. -0.
-2.56494936 -0. -0. -0. -0. ]
['love', 'my', 'dalmation'] classified as : 0
[0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1]
['stupid', 'garbage'] classified as : 1
# -*- coding:utf-8 -*- #! python2 #使用朴素贝叶斯过滤垃圾邮件 # 1.收集数据:提供文本文件 # 2.准备数据:讲文本文件见习成词条向量 # 3.分析数据:检查词条确保解析的正确性 # 4.训练算法:使用我们之前简历的trainNB0()函数 # 5.测试算法:使用classifyNB(),并且对建一个新的测试函数来计算文档集的错误率 # 6.使用算法,构建一个完整的程序对一组文档进行分类,将错分的文档输出到屏幕上 # import re # mySent='this book is the best book on python or M.L. I hvae ever laid eyes upon.' # print(mySent.split()) # regEx=re.compile('\\W*') # print(regEx.split(mySent)) # emailText=open(path+"email\\ham\\6.txt").read() import numpy as np path=u"C:\\py\\jb51PyDemo\\src\\Demo\\Ch04\\" 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 def createVocabList(dataset): vocabSet=set([]) for document in dataset: vocabSet=vocabSet|set(document) return list(vocabSet) def setOfWordseVec(vocabList,inputSet): returnVec=[0]*len(vocabList) for word in inputSet: if word in vocabList: returnVec[vocabList.index(word)]=1 #vocabList.index() 函数获取vocabList列表某个元素的位置,这段代码得到一个只包含0和1的列表 else: print("the word :%s is not in my Vocabulary!"%word) return returnVec def trainNB0(trainMatrix,trainCategory): #创建朴素贝叶斯分类器函数 numTrainDocs=len(trainMatrix) numWords=len(trainMatrix[0]) pAbusive=sum(trainCategory)/float(numTrainDocs) p0Num=np.ones(numWords);p1Num=np.ones(numWords) p0Deom=2.0;p1Deom=2.0 for i in range(numTrainDocs): if trainCategory[i]==1: p1Num+=trainMatrix[i] p1Deom+=sum(trainMatrix[i]) else: p0Num+=trainMatrix[i] p0Deom+=sum(trainMatrix[i]) p1vect=np.log(p1Num/p1Deom) #change to log p0vect=np.log(p0Num/p0Deom) #change to log return p0vect,p1vect,pAbusive def classifyNB(vec2Classify,p0Vec,p1Vec,pClass1): p1=sum(vec2Classify*p1Vec)+np.log(pClass1) p0=sum(vec2Classify*p0Vec)+np.log(1.0-pClass1) if p1>p0: return 1 else: return 0 def textParse(bigString): import re listOfTokens=re.split(r'\W*',bigString) return [tok.lower() for tok in listOfTokens if len(tok)>2] def spamTest(): docList=[];classList=[];fullText=[] for i in range(1,26): wordList=textParse(open(path+"email\\spam\\%d.txt"%i).read()) docList.append(wordList) fullText.extend(wordList) classList.append(1) wordList=textParse(open(path+"email\\ham\\%d.txt"%i).read()) docList.append(wordList) fullText.extend(wordList) classList.append(0) vocabList=createVocabList(docList) trainingSet=range(50);testSet=[] for i in range(10): randIndex=int(np.random.uniform(0,len(trainingSet))) testSet.append(trainingSet[randIndex]) del (trainingSet[randIndex]) trainMat=[];trainClasses=[] for docIndex in trainingSet: trainMat.append(setOfWordseVec(vocabList, docList[docIndex])) trainClasses.append(classList[docIndex]) p0V,p1V,pSpam=trainNB0(np.array(trainMat),np.array(trainClasses)) errorCount=0 for docIndex in testSet: wordVector=setOfWordseVec(vocabList, docList[docIndex]) if classifyNB(np.array(wordVector), p0V, p1V, pSpam)!=classList[docIndex]: errorCount+=1 print 'the error rate is :',float(errorCount)/len(testSet) if __name__=='__main__': spamTest()
运行结果:
the error rate is : 0.0
其中,path路径所使用到的Ch04文件点击此处本站下载。
注:本文算法源自《机器学习实战》一书。
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
本文向大家介绍朴素贝叶斯算法的python实现方法,包括了朴素贝叶斯算法的python实现方法的使用技巧和注意事项,需要的朋友参考一下 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
还是让我们回到运动员的例子。如果我问你Brittney Griner的运动项目是什么,她有6尺8寸高,207磅重,你会说“篮球”;我再问你对此分类的准确度有多少信心,你会回答“非常有信心”。 我再问你Heather Zurich,6尺1寸高,重176磅,你可能就不能确定地说她是打篮球的了,至少不会像之前判定Brittney那样肯定。因为从Heather的身高体重来看她也有可能是跑马拉松的。 最后,
训练阶段 朴素贝叶斯需要用到先验概率和条件概率。让我们回顾一下民主党和共和党的例子:先验概率指的是我们已经掌握的概率,比如美国议会中有233名共和党人,200名民主党人,那共和党人出现的概率就是: P(共和党) = 233 / 433 = 0.54 我们用P(h)来表示先验概率。而条件概率P(h|D)则表示在已知D的情况下,事件h出现的概率。比如说P(民主党|法案1=yes)。朴素贝叶斯公式中,我
贝叶斯法则描述了P(h)、P(h|D)、P(D)、以及P(D|h)这四个概率之间的关系: 这个公式是贝叶斯方法论的基石。在数据挖掘中,我们通常会使用这个公式去判别不同事件之间的关系。 我们可以计算得到在某些条件下这位运动员是从事体操、马拉松、还是篮球项目的;也可以计算得到某些条件下这位客户是否会购买Sencha绿茶等。我们会通过计算不同事件的概率来得出结论。 比如说我们要决定是否给一位客户展示Se
主要内容:简单应用案例,sklearn实现朴素贝叶斯通过两节知识的学习,相信你对朴素贝叶斯算法有了初步的掌握,本节将实际应用朴素贝叶斯算法,从实战中体会算法的精妙之处。 首先看下面一个简单应用案例: 简单应用案例 假设一个学校有 45% 的男生和 55% 的女生,学校规定不能穿奇装异服,男生的裤子只能穿长筒裤,而女生可以穿裙子或者长筒裤,已知该学校穿长筒裤的女生和穿裙子的女生数量相等,所有男生都必须穿长筒裤,请问如果你从远处看到一个穿裤子的学生,那
我们会在这章探索朴素贝叶斯分类算法,使用概率密度函数来处理数值型数据。 内容: 朴素贝叶斯 微软购物车 贝叶斯法则 为什么我们需要贝叶斯法则? i100、i500健康手环 使用Python编写朴素贝叶斯分类器 共和党还是民主党 数值型数据 使用Python实现