[机器学习实战]中程序执行问题修改

最新推荐文章于 2024-11-04 09:39:05 发布

yiranxd

最新推荐文章于 2024-11-04 09:39:05 发布

阅读量221

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习实战

本文链接：https://blog.youkuaiyun.com/yiranxd/article/details/88548412

机器学习专栏收录该内容

0 篇文章

订阅专栏

本文深入探讨了机器学习中的两大经典算法——朴素贝叶斯与随机森林。通过对垃圾邮件分类项目的剖析，详细介绍了朴素贝叶斯算法的实现与优化过程；并针对随机森林算法，在数据预处理阶段提出了一种改进方案，解决了特征类型判断的问题，确保了模型训练的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.第4章：朴素贝叶斯

垃圾邮件分类项目中

def spamTest():
    '''
    Desc:
        对贝叶斯垃圾邮件分类器进行自动化处理。
    Args:
        none
    Returns:
        对测试集中的每封邮件进行分类，若邮件分类错误，则错误数加 1，最后返回总的错误百分比。
    '''
    import random
    docList = []
    classList = []
    fullText = []
    for i in range(1,26):
        wordList=textParse(open('../Downloads/MachineLearning-master (1)/MachineLearning-master/input/4.NaiveBayes/email/spam/%d.txt' % i).read())
        docList.append(wordList)
        fullText.extend(wordList)
        classList.append(1)
        #查出问题在 文档《23.Txt》中，“SciFinance?is ”改成“SciFinance is ”即可
        wordList=textParse(open('../Downloads/MachineLearning-master (1)/MachineLearning-master/input/4.NaiveBayes/email/ham/%d.txt' % i).read())
        docList.append(wordList)
        fullText.extend(wordList)
        classList.append(0)
        。。。

执行时会出现Parse错误，查出问题在文档《23.Txt》中，“SciFinance?is ”改成“SciFinance is ”即可。

2.第7章：集成方法（随机森林和Adaboost）

随机森林篇中最开始导入数据时，特征为浮点型数字，标签为字母，书中为区分特征，采用了str.isdigit()来判断，但isdigit()只能判断int类型，float会被判定为str，导致最终测试出错。
这里用正则表达式替换isdgit()，通过测试。

# 导入文件
def loadDataSet(filename):
    dataset = []
    with open(filename, 'r') as fr:
        for line in fr.readlines():
            if not line:
                continue
            lineArr=[]
            for feature in line.split(','):
                str_f=feature.strip()
                value = re.compile(r'^[-+]?\d*\.\d*|[-+]?\.?\d*$')
                result = value.match(str_f)

                if result:#(书中str_f.isdigit()对于浮点数无法判断)
                    lineArr.append(float(str_f))
                else:
                    lineArr.append(str_f)
            dataset.append(lineArr)
    return dataset