朴素贝叶斯方法(Naive Bayes)原理和实现
来源:互联网 发布:window32 api编程 编辑:程序博客网 时间:2024/05/16 10:06
模型概述
- 朴素贝叶斯方法,是指
- 朴素:特征条件独立
- 贝叶斯:基于贝叶斯定理
根据贝叶斯定理,对一个分类问题,给定样本特征x,样本属于类别y的概率是
在这里,x是一个特征向量,将设x维度为M。因为朴素的假设,即特征条件独立,根据全概率公式展开,公式(1)可以表达为
这里,只要分别估计出,特征
如何统计,就是下一部分——学习——所关心的内容。
学习(参数估计)
下面介绍如何从数据中,学习得到朴素贝叶斯分类模型。概述分类方法,并提出一个值得注意的问题。
学习
- 训练集TrainingSet=
{(x1,y1),(x2,y2),...,(xN,yN)} 包含N条训练数据,其中xi=(x(1)i,x(2)i,...,x(M)i)T 是M维向量,yi∈{c1,c2,...cK} 属于K类中的一类。 学习 1.首先,我们来计算公式(2)中的
p(y=ck) p(y=ck)=∑Ni=1I(yi=ck)N。。。。(3)
其中I(x) 为指示函数,若括号内成立,则计1,否则为0。学习 2.接下来计算分子中的条件概率,设
M 维特征的第j 维有L 个取值,则某维特征的某个取值ajl ,在给定某分类ck 下的条件概率为:p(xj=ajl|y=ck)=∑Ni=1I(xji=ajl,yi=ck)∑Ni=1I(yi=ck)。。。(4)
经过上述步骤,我们就得到了模型的基本概率,也就完成了学习的任务。
分类
- 通过学到的概率,给定未分类新实例
X ,就可以通过上述概率进行计算,得到该实例属于各类的后验概率p(y=ck|X) ,因为对所有的类来说,公式(2)中分母的值都相同,所以只计算分子部分即可,具体步骤如下: 分类 1.计算该实例属于
y=ck 类的概率p(y=ck|X)=p(y=ck)∏j=1np(X(j)=x(j)|y=ck)。。。(5)
分类 2.确定该实例所属的分类y y=argmaxckp(y=ck|X)。。。。(6)
于是我们得到了新实例的分类结果
拉普拉斯平滑
- 到这里好像方法已经介绍完了,实则有一个小问题需要注意,在公式(3)(4)中,如果从样本中算出的概率值为0该怎么办呢?
- 下面介绍一种简单方法,给学习步骤中的两个概率计算公式,分子和分母都分别加上一个常数,就可以避免这个问题。更新过后的公式如下:
p(y=ck)=∑Ni=1I(yi=ck)+λN+Kλ。。。。(7) K 是类的个数p(xj=ajl|y=ck)=∑Ni=1I(xji=ajl,yi=ck)+λ∑Ni=1I(yi=ck)+Ljλ。。。(8) Lj 是第j 维特征的最大取值
可以证明,改进以后的(7)(8)仍然是概率。平滑因子
实现:朴素贝叶斯下的文本分类
根据上面的算法流程,在这里实现一个句子极性划分的例子。所谓句子极性是指,句子所表达的情感色彩,例如积极/消极,这里(书里)使用的是侮辱性/非侮辱性。其实是什么类别不重要,只要给定有标签的训练数据,就可以得到分类模型。
下面简述实现思想和流程,给出代码。
算法思想和流程
- 给定的训练集是标定了 侮辱性/非侮辱性 的句子(因为是英语句子,所以基本视分词为已经解决的问题,如果是汉语,则要先进行分词),我们认为特征就是句子中的单个词语。单个词语有极性表征,整个句子所包含的单词的极性表征就是句子的极性。
- 由以上的基础,应用朴素贝叶斯分类,就变成了这样的问题
初始化步,构建可以表征句子的特征向量(词汇表)。并根据这个特征向量,把训练集表征出来。从训练集中分离部分数据作为测试集。
学习步,计算类的先验概率和特征向量对应每一类的条件概率向量
分类步, 计算测试集中待分类句子在每一类的分类后验概率,取最大值作为其分类,并与给定标签比较,得到误分类率。
代码
初始化:
def loadDataSet():#数据格式 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 侮辱性文字 , 0 代表正常言论 return postingList,classVecdef createVocabList(dataSet):#创建词汇表 vocabSet = set([]) for document in dataSet: vocabSet = vocabSet | set(document) #创建并集 return list(vocabSet)def bagOfWord2VecMN(vocabList,inputSet):#根据词汇表,讲句子转化为向量 returnVec = [0]*len(vocabList) for word in inputSet: if word in vocabList: returnVec[vocabList.index(word)] += 1 return returnVec
训练:
def trainNB0(trainMatrix,trainCategory): numTrainDocs = len(trainMatrix) numWords = len(trainMatrix[0]) pAbusive = sum(trainCategory)/float(numTrainDocs) p0Num = ones(numWords);p1Num = ones(numWords)#计算频数初始化为1 p0Denom = 2.0;p1Denom = 2.0 #即拉普拉斯平滑 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 = log(p1Num/p1Denom)#注意 p0Vect = log(p0Num/p0Denom)#注意 return p0Vect,p1Vect,pAbusive#返回各类对应特征的条件概率向量 #和各类的先验概率
分类:
def classifyNB(vec2Classify,p0Vec,p1Vec,pClass1): p1 = sum(vec2Classify * p1Vec) + log(pClass1)#注意 p0 = sum(vec2Classify * p0Vec) + log(1-pClass1)#注意 if p1 > p0: return 1 else: return 0def testingNB():#流程展示 listOPosts,listClasses = loadDataSet()#加载数据 myVocabList = createVocabList(listOPosts)#建立词汇表 trainMat = [] for postinDoc in listOPosts: trainMat.append(bagOfWord2VecMN(myVocabList,postinDoc)) p0V,p1V,pAb = trainNB0(trainMat,listClasses)#训练 #测试 testEntry = ['love','my','dalmation'] thisDoc = bagOfWord2VecMN(myVocabList,testEntry) print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)注意:上述代码中标有注意的地方,是公式中概率连乘变成了对数概率相加。此举可以在数学上证明不会影响分类结果,且在实际计算中,避免了因概率因子远小于1而连乘造成的下溢出。
阅读全文
0 0
- 朴素贝叶斯方法(Naive Bayes)原理和实现
- 机器学习笔记:朴素贝叶斯方法(Naive Bayes)原理和实现
- 朴素贝叶斯方法(Naive Bayes)
- 朴素贝叶斯(naive Bayes)
- 朴素贝叶斯(Naive Bayes)
- 朴素贝叶斯(Naive Bayes)
- Naive Bayes(朴素贝叶斯)
- 朴素贝叶斯(naive Bayes)原理与应用
- Naive Bayes朴素贝叶斯
- 朴素贝叶斯(Naive Bayes)
- 朴素贝叶斯(naive bayes)
- 朴素贝叶斯(naive bayes)
- 分类:朴素贝叶斯(Naive Bayes)
- Naive Bayes算法(朴素贝叶斯算法)
- Python 朴素贝叶斯(Naive Bayes)分类
- 朴素贝叶斯分类器(Naive Bayes)
- 深入理解朴素贝叶斯(Naive Bayes)
- 朴素贝叶斯算法(Naive Bayes)
- MarkDown学习笔记
- Least-Squares Fitting of Two 3-D Point Sets
- 大学时代写的关于傅里叶变换的理解
- Error:SSL peer shut down incorrectly 错误分析
- C++面向对象(4)
- 朴素贝叶斯方法(Naive Bayes)原理和实现
- 一道关于进制的思维题
- **Leetcode 123 Best Time to Buy and Sell Stock III
- 利用AD13设计PCB的问题总结11-20
- 使用百度map画扇形覆盖物
- Hbase 建表基本命令总结
- WebView 使用详解
- 二维树状数组(4种操作)
- 我是一个线程