- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章python实现朴素贝叶斯算法由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
本代码实现了朴素贝叶斯分类器(假设了条件独立的版本),常用于垃圾邮件分类,进行了拉普拉斯平滑.
关于朴素贝叶斯算法原理可以参考博客中原理部分的博文.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
|
#!/usr/bin/python
# -*- coding: utf-8 -*-
from
math
import
log
from
numpy
import
*
import
operator
import
matplotlib
import
matplotlib.pyplot as plt
from
os
import
listdir
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
]
return
postingList,classVec
def
createVocabList(dataSet):
vocabSet
=
set
([])
#create empty set
for
document
in
dataSet:
vocabSet
=
vocabSet |
set
(document)
#union of the two sets
return
list
(vocabSet)
def
setOfWords2Vec(vocabList, inputSet):
returnVec
=
[
0
]
*
len
(vocabList)
for
word
in
inputSet:
if
word
in
vocabList:
returnVec[vocabList.index(word)]
=
1
else
:
print
"the word: %s is not in my Vocabulary!"
%
word
return
returnVec
def
trainNB0(trainMatrix,trainCategory):
#训练模型
numTrainDocs
=
len
(trainMatrix)
numWords
=
len
(trainMatrix[
0
])
pAbusive
=
sum
(trainCategory)
/
float
(numTrainDocs)
p0Num
=
ones(numWords); p1Num
=
ones(numWords)
#拉普拉斯平滑
p0Denom
=
0.0
+
2.0
; p1Denom
=
0.0
+
2.0
#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)
#用log()是为了避免概率乘积时浮点数下溢
p0Vect
=
log(p0Num
/
p0Denom)
return
p0Vect,p1Vect,pAbusive
def
classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):
p1
=
sum
(vec2Classify
*
p1Vec)
+
log(pClass1)
p0
=
sum
(vec2Classify
*
p0Vec)
+
log(
1.0
-
pClass1)
if
p1 > p0:
return
1
else
:
return
0
def
bagOfWords2VecMN(vocabList, inputSet):
returnVec
=
[
0
]
*
len
(vocabList)
for
word
in
inputSet:
if
word
in
vocabList:
returnVec[vocabList.index(word)]
+
=
1
return
returnVec
def
testingNB():
#测试训练结果
listOPosts, listClasses
=
loadDataSet()
myVocabList
=
createVocabList(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)
def
textParse(bigString):
# 长字符转转单词列表
import
re
listOfTokens
=
re.split(r
'\W*'
, bigString)
return
[tok.lower()
for
tok
in
listOfTokens
if
len
(tok) >
2
]
def
spamTest():
#测试垃圾文件 需要数据
docList
=
[];
classList
=
[];
fullText
=
[]
for
i
in
range
(
1
,
26
):
wordList
=
textParse(
open
(
'email/spam/%d.txt'
%
i).read())
docList.append(wordList)
fullText.extend(wordList)
classList.append(
1
)
wordList
=
textParse(
open
(
'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
(random.uniform(
0
,
len
(trainingSet)))
testSet.append(trainingSet[randIndex])
del
(trainingSet[randIndex])
trainMat
=
[];
trainClasses
=
[]
for
docIndex
in
trainingSet:
trainMat.append(bagOfWords2VecMN(vocabList, docList[docIndex]))
trainClasses.append(classList[docIndex])
p0V, p1V, pSpam
=
trainNB0(array(trainMat), array(trainClasses))
errorCount
=
0
for
docIndex
in
testSet:
wordVector
=
bagOfWords2VecMN(vocabList, docList[docIndex])
if
classifyNB(array(wordVector), p0V, p1V, pSpam) !
=
classList[docIndex]:
errorCount
+
=
1
print
"classification error"
, docList[docIndex]
print
'the error rate is: '
,
float
(errorCount)
/
len
(testSet)
listOPosts,listClasses
=
loadDataSet()
myVocabList
=
createVocabList(listOPosts)
print
myVocabList,
'\n'
# print setOfWords2Vec(myVocabList,listOPosts[0]),'\n'
trainMat
=
[]
for
postinDoc
in
listOPosts:
trainMat.append(setOfWords2Vec(myVocabList,postinDoc))
print
trainMat
p0V,p1V,pAb
=
trainNB0(trainMat,listClasses)
print
pAb
print
p0V,
'\n'
,p1V
testingNB()
|
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我.
原文链接:https://blog.csdn.net/qq_35083093/article/details/79107514 。
最后此篇关于python实现朴素贝叶斯算法的文章就讲到这里了,如果你想了解更多关于python实现朴素贝叶斯算法的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!