Python3机器学习-利用朴素贝叶斯自动识别侮辱性文字(numpy)

该博客介绍了如何用Python3和朴素贝叶斯算法创建一个训练集,通过TrainingSet.py和NaiveBayes.py实现对侮辱性文字的自动分类。随着训练集规模的增加,分类准确性提高。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

训练集

TrainingSet.py

# 词条切分后的文档集合
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']]
# 类别标签的集合
classVec = [0, 1, 0, 1, 0, 1]

朴素贝叶斯分类器对测试集自动分类

NaiveBayes.py

from numpy import *
import numpy as np
from TrainingSet import postingList, classVec


# 加载训练集
def loadDataSet():
    # 词条切分后的文档集合和类别标签集合
    return postingList, classVec


def createVocabList(dataSet):
    # 创建一个空集
    v
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值