机器学习实战_初识朴素贝叶斯算法_理解其python代码（一）

这是经过我修改后能在python3.0中完美运行的Bayes project源代码,可以直接拿来学习:
http://download.csdn.net/download/qq_36396104/10142849

一：加载数据的代码：

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'''将文档的新词加入集合中，得到参考用的词典'''def createVocabList(dataSet):    vocabSet = set([])    for document in dataSet:        vocabSet = vocabSet|set(document)#得到dataSet里面的所有语句的单词（不重复，但排序无规律)    return list(vocabSet)'''将一条留言转换为词（数字）向量（参照vocabList），通过词向量和vocabList便可得到一个句子'''def setOfWords2Vec(vocabList,inputSet):    returnVec = [0]*len(vocabList)    for word in inputSet:        if word in vocabList:#判断inputSet里的单词是否在vocabList内            returnVec[vocabList.index(word)] = 1        else: print("the word:%s is not in my Vocabulary!" % word)    return returnVec'''词袋模型：一个词可以在文档内出现多次(>=1)（一旦出现这种情况则：可能包含该词是否出现在文档所不能表达的某种信息）'''def bagOfWords2VecMN(vocabList,inputSet):    returnVec = [0] * len(vocabList)    for word in inputSet:        if word in vocabList:  # 判断inputSet里的单词是否在vocabList内            returnVec[vocabList.index(word)] += 1    return returnVec

二：朴素贝叶斯算法：

from numpy import *import LoadData'''从词向量中计算每个单词（属性）在相应类别中的概率'''def trainNB0(trainMatrix,trainCategory):#输入的是词向量以及其对应的类别    numTrainDocs = len(trainMatrix)    numWords = len(trainMatrix[0])    pAbusive = sum(trainCategory)/float(numTrainDocs)#计算侮辱性文档的概率    # p0Num = zeros(numWords);p1Num = zeros(numWords)#得到正常文档和侮辱性文档中使用词汇表中每个单词的使用次数    # p0Denom = 0.0;p1Denom = 0.0#计算正常文档和侮辱性文档中使用词汇表中的单词的总个数    '''为避免出现概率率值为0的数：'''    p0Num = ones(numWords);# 得到正常文档和侮辱性文档中使用词汇表中每个单词的使用次数    p1Num = ones(numWords)    p0Denom = 1.0;# 计算正常文档和侮辱性文档中使用词汇表中的单词的总个数    p1Denom = 1.0    for i in range(numTrainDocs):#统计每个词向量        if trainCategory[i] ==1:            p1Num += trainMatrix[i]            p1Denom += sum(trainMatrix[i])        else:            p0Num += trainMatrix[i]            p0Denom += sum(trainMatrix[i])    # p1Vect = p1Num/p1Denom#计算侮辱性文档中使用到的词汇表中每个单词的概率，即计算侮辱性文档中每个属性的概率P1(w|c)    # p0Vect = p0Num/p0Denom#计算正常文档中使用到的词汇表中每个单词的概率，即计算正常文档中每个属性的概率P1(w|c)    '''防止下溢出（计算得到的数字太小而被四舍五入为0）'''    p1Vect = log(p1Num / p1Denom) # 计算侮辱性文档中使用到的词汇表中每个单词的概率，即计算侮辱性文档中每个属性的概率P1(w|c)    p0Vect = log(p0Num / p0Denom)  # 计算正常文档中使用到的词汇表中每个单词的概率，即计算正常文档中每个属性的概率P1(w|c)    return p0Vect,p1Vect,pAbusivedef classifyNB(vec2Classify,p0Vec,p1Vec,pClass1):#使用计算出的相应概率利用公式进行类别概率计算    p1 = sum(vec2Classify*p1Vec) + log(pClass1)    p0 = sum(vec2Classify*p0Vec) + log(1.0 - pClass1)    if p1 > p0:        return 1    else:        return 0def testingNB():    #计算相应的条件概率    listOPosts,listClassis = LoadData.loadDataSet()    myVocabList = LoadData.createVocabList(listOPosts)    trainMat = []    for postinDoc in listOPosts:        trainMat.append(LoadData.setOfWords2Vec(myVocabList,postinDoc))    p0V,p1V,pAb = trainNB0(array(trainMat),array(listClassis))    '''正式归类'''    testEntry = ['love','my','dalmation']    thisDoc = array(LoadData.setOfWords2Vec(myVocabList,testEntry))    print(testEntry,'classified as:',classifyNB(thisDoc,p0V,p1V,pAb))    testEntry = ['stupid','garbage']    thisDoc = array(LoadData.setOfWords2Vec(myVocabList,testEntry))    print(testEntry,'classified as:',classifyNB(thisDoc,p0V,p1V,pAb))

三：测试代码：

import LoadDataimport bayes'''准备数据'''listOPosts,listClasses = LoadData.loadDataSet()myVocabList = LoadData.createVocabList(listOPosts)print(myVocabList)print(LoadData.setOfWords2Vec(myVocabList,listOPosts[0]))print(LoadData.setOfWords2Vec(myVocabList,listOPosts[3]))'''从词向量计算概率：'''from numpy import *import bayeslistOPosts,listClasses = LoadData.loadDataSet()myVocabList = LoadData.createVocabList(listOPosts)trainMat = []for postinDoc in listOPosts:    trainMat.append(LoadData.setOfWords2Vec(myVocabList,postinDoc))print(trainMat)p0V,p1V,pAb = bayes.trainNB0(trainMat,listClasses)print(pAb)print(p0V)print(p1V)'''测试算法：'''bayes.testingNB()