python实现一个朴素贝叶斯分类器_朴素贝叶斯分类器 python-优快云博客

本文链接：https://blog.youkuaiyun.com/miangangzhen/article/details/50544726

本文介绍了作者在工作中实现的一个朴素贝叶斯分类器，采用拉普拉斯平滑处理未出现的属性，防止概率为零导致的计算问题。代码实现详细，适用于实际项目。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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