机器学习实战_04-贝叶斯
来源:互联网 发布:软件项目进展汇报 编辑:程序博客网 时间:2024/05/23 16:50
优点:在数据较少的情况下仍然有效,可以处理多类别问题
缺点:对于输入数据的准备方式较为敏感
适用数据类型:标称型数据
由于分类器有时会产生错误结果,这时可以要求分类器给出一个最优的类别猜测结果,同时给出这个猜测的概率估计值,贝叶斯决策可以达到这个需求。
朴素贝叶斯分类器的前提假设:
1. 特征相互独立
假设特征为10个,每个特征需要N个样本,则需要N的10次方个样本,如果特征相互独立,则需要N*10个样本。
2. 每个特征同等重要
贝叶斯决策理论:求x属于C1或者C2的概率
1. 创建样本集合
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
朴素贝叶斯分类器通常有两种实现方式:
1. 贝努利模型,只考虑出现不出现,不考虑出现的次数
2. 多项式模型实现,考虑出现的次数
本文暂时采用1
2. 创建查询词库
# 创建一个包含在所有文档中出现的不重复词的列表def creatVocabList(dataSet): vocabSet=set([]) for document in dataSet: vocabSet = vocabSet| set(document) return list(vocabSet)
3. 转换成标准长度的向量
#将每一个inputSet转换为一个向量def setOfWords2Vec(vocabList,inputSet): returnVec = [0] *len(vocabList) for word in inputSet: if word in vocabList: returnVec[vocabList.index(word)] =1 else:print ("不存在") return returnVec
4. 计算概率的伪代码:
计算每个类别中的文档数目 对每篇训练文档: 对每个类别: 如果词条出现文档中―增加该词条的计数值 增加所有词条的计数值 对每个类别: 对每个词条: 将该词条的数目除以总词条数目得到条件概率 返回每个类别的条件概率
朴素贝叶斯分类器训练函数:
#朴素贝叶斯分类器训练函数def trainNB0(trainMatrix ,trainCategory): numTrainDocs = len(trainMatrix) numWords = len(trainMatrix[0]) pAbusive = sum(trainCategory)/float(numTrainDocs) p0Num = zeros (numWords); p1Num = zeros (numWords); p0Denom = 0.0;p1Denom = 0.0; 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 = p1Num/p1Denom p0Vect = p0Num / p0Denom return p0Vect,p1Vect,pAbusive
5. 分类判断
# 朴素贝叶斯分类函数def classifyNB(vec2Classify,p0Vec,p1Vec,pClass1): p1 = sum(vec2Classify * p1Vec) + log(pClass1) p0 = sum(vec2Classify * p0Vec) + log(1-pClass1) if p1>p0: return 1 else: return 0
测试用例
def testingNB(): listOPosts,listClasses = loadDataSet() myVocabList = creatVocabList(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)
阅读全文
0 0
- 机器学习实战_04-贝叶斯
- <机器学习实战>--朴素贝叶斯实战(二)
- 机器学习实战 朴素贝叶斯
- 机器学习实战-朴素贝叶斯
- 《机器学习实战》--朴素贝叶斯
- 机器学习实战--朴素贝叶斯
- 机器学习实战-朴素贝叶斯
- 机器学习实战--朴素贝叶斯
- 机器学习实战 朴素贝叶斯
- 机器学习实战-朴素贝叶斯
- 《机器学习实战》朴素贝叶斯
- 《机器学习实战》学习
- Java学习笔记_04
- MySQL学习笔记_04
- Web学习笔记_04
- 机器学习实战之朴素贝叶斯
- 机器学习算法-朴素贝叶斯实战
- 机器学习实战笔记4(朴素贝叶斯)
- linux C读书笔记
- Spring Transaction属性之Propagation
- [sa][后缀数组]关于后缀数组的若干技巧
- static 注意事项
- HDU2009 C语言
- 机器学习实战_04-贝叶斯
- 菜鸟先飞之jAVA_面向对象特征
- Spring复习笔记
- java中的控制流语句
- C++基础-多态
- 电脑软键盘效果
- C#编程入门_简单算法_15
- ListView异步加载图片出现图片错位的解决方案
- Android 调用系统相机部分源码分析