机器学习03-朴素贝叶斯-python

最新推荐文章于 2024-10-18 13:14:49 发布

原创最新推荐文章于 2024-10-18 13:14:49 发布 · 288 阅读

0 ·

CC 4.0 BY-SA版权

python 同时被 3 个专栏收录

16 篇文章

订阅专栏

机器学习

16 篇文章

订阅专栏

算法

15 篇文章

订阅专栏

本文深入浅出地解析了朴素贝叶斯算法的原理，包括直观理解算法思想及其实现过程。通过代码实例展示了如何从零开始计算文本分类的概率，并使用sklearn库中的多种贝叶斯分类器进行对比，涵盖了GaussianNB、MultinomialNB和BernoulliNB的使用方法。

文章目录

1. 原理推导

直观上去理解朴素贝叶斯算法

在这里插入图片描述

2. 代码实现

1. 计算概率

def trainNB0(trainMat , trainCategory):
    '''
     计算文本每个词出现概率
    para:
        trainMat:   文本词向量
        trainCategory:  分类向量
    return：
        p1Vec:      分类1的词向量概率
        p0Vec:      分类0的词向量概率
        pAbusive:   分类1的先验概率
    '''
    m,n = trainMat.shape
    # 计算正类的概率
    pAbusive = np.sum(trainCategory) / float(m)
    p0Num = np.ones(n)
    p1Num = np.ones(n)
    p0Denom = 2.0
    p1Denom = 2.0
    
    # 循环所有的文本向量
    for i in range(m):
        if trainCategory[i] == 1:
            # 对应位置相加
            p1Num = p1Num + trainMat[i]
            # 累计所有为1的值
            p1Denom = p1Denom + np.sum(trainCategory[i])
        else:
            p0Num += trainMat[i]
            p0Denom += np.sum(trainCategory[i])
    # 采用log形式，连乘就可以转化为累加的形式，后续可以减少小概率连乘导致等于0
    p1Vec = np.log(p1Num / p1Denom)
    p0Vec = np.log(p0Num / p0Denom)
    
    return p1Vec , p0Vec , pAbusive

2. 比较概率大小

def classifyNB(vec2Classify , p0Vec , p1Vec , pClass1):
    '''
    para:
        vec2Classify:我们需要检测的词向量
        p0Vec:      负类词向量的概率
        p1Vec:      正类词向量的概率
        pClass1:    正负的概率
    
    return: 1 正类
            0 负类
    '''
    p1 = sum(vec2Classify * p1Vec) + np.log(pClass1)
    p0 = sum(vec2Classify * p0Vec) + np.log(1-pClass1)
    if p1>p0:
        return 1
    else:
        return 0

3. sklearn实现

from sklearn.naive_bayes import GaussianNB , MultinomialNB , BernoulliNB
'''
GaussianNB
     针对连续值
MultinomialNB
    离散值     可以多次出现
BernoulliNB
    离散值     要么存在要么不存在
'''

import numpy as np

import beiyesi as bys


if __name__ == "__main__":
    data , target = bys.loadData()
    worldList = bys.createWorldVec(data)
    
    trainMat = []
    for line in data:
        trainMat.append(bys.setOfWords2Vec(worldList , line))

    clf0 = GaussianNB()
    clf1 = MultinomialNB()
    clf2 = BernoulliNB()
    clfVec =[]
    clfVec.append(clf0)
    clfVec.append(clf1)
    clfVec.append(clf2)
    for clf in clfVec:
        clf.fit(np.array(trainMat) , np.array(target))
        
        testDoc = ['love' , 'my' , 'dalmation']
        testVec = np.array(bys.setOfWords2Vec(worldList , testDoc))
        ret = clf.predict(testVec.reshape((1,-1)))
        ret1 = clf.predict_proba(testVec.reshape((1,-1)))
        ret2 = clf.predict_log_proba(testVec.reshape((1,-1)))
        print ret , ret1 , ret2