朴素贝叶斯
来源:互联网 发布:广州525孕妇摄影淘宝网 编辑:程序博客网 时间:2024/04/30 13:53
这篇文章接介绍一种非常简单的监督学习算法:朴素贝叶斯。简单到根本不用构建分类器,只需要计算概率就行了。因为这个算法就是一个基本的概率公式推导出来的
首先看公式的推导
下面根据一个实例介绍
朴素贝叶斯如何用于文本分类
再来一个实例介绍
朴素贝叶斯数据
m b tm s tg q th s tg q tg q fg s fh b fh q fm b f
朴素贝叶斯代码
#encoding=utf-8raw_file=open("raw_data")raw_list=raw_file.readlines()map_list=[]#利用二维数组保存所有数据predict_record=["m","q"]for ele in raw_list: list1=ele.strip().split(" ") map_list.append(list1)#三个字段分别有哪些值如C字段有 t和fa_list=[]a_set=()b_list=[]b_set=()c_list=[]c_set=()for ele in map_list: a_list.append(ele[0]) b_list.append(ele[1]) c_list.append(ele[2])a_set=set(a_list)b_set=set(b_list)c_set=set(c_list)#获取概率值 p(C=c1) p(C=c2)等list_t=[]list_f=[]for ele in map_list: if (ele[2]).strip() == "t": list_t.append(ele) if (ele[2]).strip() == "f": list_f.append(ele)pro_t= float(len(list_t)) / float(len(map_list))pro_f= float(len(list_f)) / float(len(map_list))#获取概率值 p(A=m | C=t) p(B=q | C=t) p(A=m | C=f) p(B=q | C=f)list_mt=[]list_qt=[]list_mf=[]list_qf=[]for ele in list_t: if ele[0] == predict_record[0] : list_mt.append(ele) if ele[1] == predict_record[1]: list_qt.append(ele)for ele in list_f: if ele[0] == predict_record[0] : list_mf.append(ele) if ele[1] == predict_record[1]: list_qf.append(ele)pro_mt=float(len(list_mt)) / float(len(list_t))pro_qt=float(len(list_qt)) / float(len(list_t))pro_mf=float(len(list_mf)) / float(len(list_f))pro_qf=float(len(list_qf)) / float(len(list_f))#计算p(C=t | A=m,B=q) p(C=f | A=m,B=q)pro_mq=1.0#由于p(A=m,B=q)不影响计算,所以设为常数1pro_tmq= ( pro_t * pro_mt * pro_qt ) / pro_mqpro_fmq= ( pro_f * pro_mf * pro_qf) / pro_mqif pro_tmq > pro_fmq: print "t\n"elif pro_tmq < pro_fmq: print "f\n"elif pro_tmq == pro_fmq: print "the probility is the same,choose another method"else: print "error"
朴素贝叶斯文本分类数据
1;Chinese Beijing Chinese;yes2;Chinese Chinese Shanghai;yes3;Chinese Macao;yes4;Tokyo Japan Chinese;no
朴素贝叶斯文本分类代码
#encoding=utf-8list_sample=["Chinese","Chinese","Chinese","Tokyo","Japan"]#需要预测的文本#读取源数据raw_data=open("raw_data","r+")list_raw=raw_data.readlines()list_all=[]set_all=()list_yes=[]list_yes_all_word=[]list_no=[]list_no_all_word=[]#进行格式转换for ele in list_raw: list_id_words_tag=ele.split(";") #print list1[0],":",list1[1],":",list1[2] list_words=list_id_words_tag[1].strip().split(" ") #获取所有文本中的所有单词 for word in list_words: list_all.append(word) #筛选出yes和no的文本 tag=list_id_words_tag[2].strip() if tag == "yes": list_yes.append(list_words) if tag == "no": list_no.append(list_words)set_all=set(list_all)#获取laplance平滑参数#为防止分子出现0,分子加上laplance平滑系数L=1,为防止分母为0,分母加上所有文本中的不同的单词总数yes_words_number=0no_words_number=0for ele in list_yes: yes_words_number = yes_words_number + len(ele)for ele in list_no: no_words_number = no_words_number + len(ele)L1=1L2=len(set_all)#统计sample中每个单词在yes和no中出现的次数sample_word_yes_number_dict={}sample_word_no_number_dict={}for sample_word in list_sample:#sample中每个word,对于每个word,都要遍历list_yes 和 list_no #初始化字典 sample_word_yes_number_dict[sample_word] = 0 sample_word_no_number_dict[sample_word] = 0 #sample中的每个单词在yes中出现的次数 for words in list_yes:#属于yes的文本 for word in words:#每个文本中的word if word == sample_word:#如果该文本中的该单词与sample中的该单词一致,则该单词对应的数量 +1 sample_word_yes_number_dict[sample_word] = sample_word_yes_number_dict[sample_word] + 1 # sample中的每个单词在no中出现的次数 for words in list_no: # 属于no的文本 for word in words: # 每个文本中的word if word == sample_word: # 如果该文本中的该单词与sample中的该单词一致,则该单词对应的数量 +1 sample_word_no_number_dict[sample_word] = sample_word_no_number_dict[sample_word] + 1# for ele in sample_word_no_number_dict:# print ele,sample_word_no_number_dict[ele]#开始计算该文本分别属于yes和no的概率pro_yes=1.0pro_no=1.0for word in list_sample: #计算该文本属于yes的概率 yes_result1=float(sample_word_yes_number_dict[word] + L1)#分子 yes_result2=float( yes_words_number + L2)#分母 yes_result3=yes_result1 / yes_result2#分子/分母 pro_yes = pro_yes * yes_result3#连乘 #计算该文本属于no的概率 no_result1 = float(sample_word_no_number_dict[word] + L1) # 分子 no_result2 = float(no_words_number + L2) # 分母 no_result3 = no_result1 / no_result2 # 分子/分母 pro_no = pro_no * no_result3 # 连乘#最后概率还要乘yes和no的比例word_length = float(yes_words_number + no_words_number)yes_words_number=float(yes_words_number)pro_yes = pro_yes * yes_words_number / word_lengthno_words_number=float(no_words_number)pro_no = pro_no * no_words_number / word_length#通过比较概率大小,得出sample文本属于哪个类别if pro_yes > pro_no: print "yes"elif pro_yes < pro_no: print "no"elif pro_yes == pro_no: print "the probility is the same"else: print "error"
1 0
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- Android中使用加密图片的解决方案
- flume nginx 日志处理异常 JsonParseException: Unexpected character ('(' (code 40)): expected a valid value
- Xcode运行范例程序遇到的问题Command /bin/sh failed with exit code 1
- split 分割 字符串(分隔符如:* ^ : | , .) 及注意点
- 设计模式之:构造者模式
- 朴素贝叶斯
- 西门子S7-200 Smart PLC过程控制工控机数据记录与曲线显示系统
- UIStatusBarStyle PreferredStatusBarStyle does not work
- 可公度线段与欧几里得(Euclid)算法
- CocoaPods安装、卸载、使用说明(Mac ox 10.11+)
- Linux 最常用的操作命令
- skb-5
- 触发器trigger
- Microscan Visionscape/Autovision通用工业智能相机视觉检测系统