机器学习实战：朴素贝叶斯分类器

最新推荐文章于 2021-11-28 13:21:09 发布

ziqiiii

最新推荐文章于 2021-11-28 13:21:09 发布

阅读量493

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习朴素贝叶斯分类器

本文链接：https://blog.youkuaiyun.com/qq_20417499/article/details/89239687

实例：使用朴素贝叶斯进行文档分类

构建一个过滤器，过滤在线社区的留言板中带有侮辱类的语言。

1、准备数据：从文本中构建词向量

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] #1代表侮辱性文字，0代表正常言论
    return postingList,classVec


def createVocabList(dataSet):
    vocabSet=set([])
    for document in dataSet:
        vocabSet=vocabSet|set(document) #取并集
    return list(vocabSet)


def setOfWords2Vec(vocabList,inp