朴素贝叶斯算法总结

最新推荐文章于 2022-10-15 21:41:00 发布

原创

最新推荐文章于 2022-10-15 21:41:00 发布 · 406 阅读

0 ·

CC 4.0 BY-SA版权

本文详细总结了朴素贝叶斯算法的核心原理及其实现代码，通过一个实例展示了如何运用该算法进行数据分类。朴素贝叶斯以其简单高效的特点，在文本分类等领域有着广泛的应用。

朴素贝叶斯的一般算法代码如下：

# Example of Naive Bayes implemented from Scratch in Python
import csv
import random
import math

def loadCsv(filename):
        lines = csv.reader(open(filename, "rb"))
        dataset = list(lines)
        for i in range(len(dataset)):
                dataset[i] = [float(x) for x in dataset[i]]
        return dataset


def splitDataset(dataset, splitRatio):
        trainSize = int(len(dataset) * splitRatio)
        trainSet = []
        copy = list(dataset)
        while len(trainSet) < trainSize:
                index = random.randrange(len(copy))
                trainSet.append(copy.pop(index))
        return [trainSet, copy]

def separateByClass(dataset):
        separated = {}
        for i in range(len(dataset)):
                vector = dataset[i]
                if (vector[-1] not in separated):
                        separated[vector[-1]] = []
                separated[vector[-1]].append(vector)
        return separated


def