Python实现的朴素贝叶斯分类器示例_feature_log_prob

Python

朴素贝叶斯

5星 · 超过95%的资源 130 浏览量 2020-09-20 22:16:41 上传评论 1 收藏 55KB PDF 举报

资源推荐

资源详情

资源评论

Python实现的朴素贝叶斯分类器示例实现的朴素贝叶斯分类器示例

主要介绍了Python实现的朴素贝叶斯分类器,结合具体实例形式分析了基于Python实现的朴素贝叶斯分类器相关

定义与使用技巧,需要的朋友可以参考下

本文实例讲述了Python实现的朴素贝叶斯分类器。分享给大家供大家参考，具体如下：

因工作中需要，自己写了一个朴素贝叶斯分类器。

对于未出现的属性，采取了拉普拉斯平滑，避免未出现的属性的概率为零导致整个条件概率都为零的情况出现。

朴素贝叶斯的基本原理网上很容易查到，这里不再叙述，直接附上代码

因工作中需要，自己写了一个朴素贝叶斯分类器。对于未出现的属性，采取了拉普拉斯平滑，避免未出现的属性的概率为零导

致整个条件概率都为零的情况出现。

class NBClassify(object):

def __init__(self, fillNa = 1):

self.fillNa = 1

pass

def train(self, trainSet):

# 计算每种类别的概率

# 保存所有tag的所有种类，及它们出现的频次

dictTag = {}

for subTuple in trainSet:

dictTag[str(subTuple[1])] = 1 if str(subTuple[1]) not in dictTag.keys() else dictTag[str(subTuple[1])] + 1

# 保存每个tag本身的概率

tagProbablity = {}

totalFreq = sum([value for value in dictTag.values()])

for key, value in dictTag.items():

tagProbablity[key] = value / totalFreq

# print(tagProbablity)

self.tagProbablity = tagProbablity

##############################################################################

# 计算特征的条件概率

# 保存特征属性基本信息{特征1:{值1:出现5次, 值2:出现1次}, 特征2:{值1:出现1次, 值2:出现5次}}

dictFeaturesBase = {}

for subTuple in trainSet:

for key, value in subTuple[0].items():

if key not in dictFeaturesBase.keys():

dictFeaturesBase[key] = {value:1}

else:

if value not in dictFeaturesBase[key].keys():

dictFeaturesBase[key][value] = 1

else:

dictFeaturesBase[key][value] += 1

# dictFeaturesBase = {

# '职业': {'农夫': 1, '教师': 2, '建筑工人': 2, '护士': 1},

# '症状': {'打喷嚏': 3, '头痛': 3}

# }

dictFeatures = {}.fromkeys([key for key in dictTag])

for key in dictFeatures.keys():

dictFeatures[key] = {}.fromkeys([key for key in dictFeaturesBase])

for key, value in dictFeatures.items():

for subkey in value.keys():

value[subkey] = {}.fromkeys([x for x in dictFeaturesBase[subkey].keys()])

# dictFeatures = {

# '感冒 ': {'症状': {'打喷嚏': None, '头痛': None}, '职业': {'护士': None, '农夫': None, '建筑工人': None, '教师': None}},

# '脑震荡': {'症状': {'打喷嚏': None, '头痛': None}, '职业': {'护士': None, '农夫': None, '建筑工人': None, '教师': None}},

# '过敏 ': {'症状': {'打喷嚏': None, '头痛': None}, '职业': {'护士': None, '农夫': None, '建筑工人': None, '教师': None}}

# }

# initialise dictFeatures

for subTuple in trainSet:

for key, value in subTuple[0].items():

dictFeatures[subTuple[1]][key][value] = 1 if dictFeatures[subTuple[1]][key][value] == None else dictFeatures[subTuple[1]][key][value] + 1

# print(dictFeatures)

# 将驯良样本中没有的项目，由None改为一个非常小的数值，表示其概率极小而并非是零

for tag, featuresDict in dictFeatures.items():

for featureName, fetureValueDict in featuresDict.items():

for featureKey, featureValues in fetureValueDict.items():

if featureValues == None:

fetureValueDict[featureKey] = 1

# 由特征频率计算特征的条件概率P(feature|tag)

for tag, featuresDict in dictFeatures.items():

for featureName, fetureValueDict in featuresDict.items():

totalCount = sum([x for x in fetureValueDict.values() if x != None])

for featureKey, featureValues in fetureValueDict.items():

fetureValueDict[featureKey] = featureValues/totalCount if featureValues != None else None

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论收藏

内容反馈

梁肖松

2023-07-25

这个文件提供了一个很好的起点，让我能够继续深入研究和应用朴素贝叶斯分类器。
家的要素

2023-07-25

这个示例文件给出了清晰易懂的代码，使得我更容易理解朴素贝叶斯分类器的工作原理。
吹狗螺的简柏承

2023-07-25

通过这个文件，我发现朴素贝叶斯分类器可以简单而有效地处理文本分类问题。
臭人鹏

2023-07-25

这个示例让我很顺利地完成了一个简单的分类任务。
扈涧盛

2023-07-25

这个文件让我对朴素贝叶斯分类器有了更深入的了解。

weixin_38721565

粉丝: 3
资源: 917

Python实现的朴素贝叶斯分类器示例

python 实现朴素贝叶斯算法的示例

Python-一个实现朴素贝叶斯分类器简单的Python库

朴素贝叶斯分类算法原理与Python实现与使用方法案例

朴素贝叶斯分类原理及Python实现简单文本分类

机器学习：伯努利朴素贝叶斯分类器（原理+python实现）

17 机器学习案例——基于朴素贝叶斯算法的文本分类（垃圾邮件过滤）的数据集

朴素贝叶斯Python实例及解析

C++实现朴素贝叶斯分类器

朴素贝叶斯分类器（python版）

人工智能_项目实践_朴素贝叶斯分类器_朴素贝叶斯文本分类器

朴素贝叶斯分类器算法

朴素贝叶斯分类器

机器学习（朴素贝叶斯）——文本分类

纯python朴素贝叶斯分类器

朴素贝叶斯法(Python)

人工智能框架三种贝叶斯分类器的Python实现（基于numpy和pandas，不调sklearn方法）

基于朴素贝叶斯算法的文本分类程序_Python

论文研究-基于粒子群的加权朴素贝叶斯入侵检测模型.pdf

Python实现朴素贝叶斯分类器的方法详解

课程实验基于python实现朴素贝叶斯分类器设计源码+项目说明.zip

朴素贝叶斯邮件分类器(包括源代码和数据)

基于IRIS bayes分类器

机器学习基于朴素贝叶斯算法的新闻文本分类器python源码.zip

最新资源