python朴素贝叶斯分类示例_Python实现的朴素贝叶斯分类器示例
本文实例讲述了Python实现的朴素贝叶斯分类器。分享给大家供大家参考,具体如下:
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
##############################################################################
# 计算特征的条件概率
# 保存特征属性基本信息{特征1:{值1:出现5次, 值2:出现1次}, 特征2:{值1:出现1次, 值2:出现5次}}
dictFeaturesBase = {}
for subTuple in trainSet:
for key, value in subTuple[0].items():
if key not in dictFeaturesBase.keys():
dictFeaturesBase[key] = {value:1}
else:
if value not in dictFeaturesBase[key].keys():
dictFeaturesBase[key][value] = 1
else:
dictFeaturesBase[key][value] += 1
# dictFeaturesBase = {
# '职业': {'农夫': 1, '教师': 2, '建筑工人': 2, '护士': 1},
# '症状': {'打喷嚏': 3, '头痛': 3}
# }
dictFeatures = {}.fromkeys([key for key in dictTag])
for key in dictFeatures.keys():
dictFeatures[key] = {}.fromkeys([key for key in dictFeaturesBase])
for key, value in dictFeatures.items():
for subkey in value.keys():
value[subkey] = {}.fromkeys([x for x in dictFeaturesBase[subkey].keys()])
# dictFeatures = {
# '感冒 ': {'症状': {'打喷嚏': None, '头痛': None}, '职业': {'护士': None, '农夫': None, '建筑工人': None, '教师': None}},
# '脑震荡': {'症状': {'打喷嚏': None, '头痛': None}, '职业': {'护士': None, '农夫': None, '建筑工人': None, '教师': None}},
# '过敏 ': {'症状': {'打喷嚏': None, '头痛': None}, '职业': {'护士': None, '农夫': None, '建筑工人': None, '教师': None}}
# }
# initialise dictFeatures
for subTuple in trainSet:
for key, value in subTuple[0].items():
dictFeatures[subTuple[1]][key][value] = 1 if dictFeatures[subTuple[1]][key][value] == None else dictFeatures[subTuple[1]][key][value] + 1
# print(dictFeatures)
# 将驯良样本中没有的项目,由None改为一个非常小的数值,表示其概率极小而并非是零
for tag, featuresDict in dictFeatures.items():
for featureName, fetureValueDict in featuresDict.items():
for featureKey, featureValues in fetureValueDict.items():
if featureValues == None:
fetureValueDict[featureKey] = 1
# 由特征频率计算特征的条件概率P(feature|tag)
for tag, featuresDict in dictFeatures.items():
for featureName, fetureValueDict in featuresDict.items():
totalCount = sum([x for x in fetureValueDict.values() if x != None])
for featureKey, featureValues in fetureValueDict.items():
fetureValueDict[featureKey] = featureValues/totalCount if featureValues != None else None
self.featuresProbablity = dictFeatures
##############################################################################
def classify(self, featureDict):
resultDict = {}
# 计算每个tag的条件概率
for key, value in self.tagProbablity.items():
iNumList = []
for f, v in featureDict.items():
if self.featuresProbablity[key][f][v]:
iNumList.append(self.featuresProbablity[key][f][v])
conditionPr = 1
for iNum in iNumList:
conditionPr *= iNum
resultDict[key] = value * conditionPr
# 对比每个tag的条件概率的大小
resultList = sorted(resultDict.items(), key=lambda x:x[1], reverse=True)
return resultList[0][0]
if __name__ == '__main__':
trainSet = [
({"症状":"打喷嚏", "职业":"护士"}, "感冒 "),
({"症状":"打喷嚏", "职业":"农夫"}, "过敏 "),
({"症状":"头痛", "职业":"建筑工人"}, "脑震荡"),
({"症状":"头痛", "职业":"建筑工人"}, "感冒 "),
({"症状":"打喷嚏", "职业":"教师"}, "感冒 "),
({"症状":"头痛", "职业":"教师"}, "脑震荡"),
]
monitor = NBClassify()
# trainSet is something like that [(featureDict, tag), ]
monitor.train(trainSet)
# 打喷嚏的建筑工人
# 请问他患上感冒的概率有多大?
result = monitor.classify({"症状":"打喷嚏", "职业":"建筑工人"})
print(result)
希望本文所述对大家Python程序设计有所帮助。
python朴素贝叶斯分类示例_Python实现的朴素贝叶斯分类器示例相关推荐
- python播放网络音乐_Python实现在线音乐播放器示例
这篇文章主要为大家详细介绍了Python实现在线音乐播放器的相关资料,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 最近这几天,学习了一下python,对于爬虫比较感兴趣,就做了一个简单的爬虫项目 ...
- python朴素贝叶斯_Python实现的朴素贝叶斯分类器示例
本文实例讲述了Python实现的朴素贝叶斯分类器.分享给大家供大家参考,具体如下: 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 ...
- python垃圾邮件识别_Python 手写朴素贝叶斯分类器检测垃圾邮件/短信
自己从头手写一下这些经典的算法,不调用 sklearn 等 API,调一调参数,蛮有收获和启发. 数据集 概要:5572 条短信,13% 的 spam. 选择这个数据集的原因:短信的文本预处理要比 e ...
- python自动登录教程_python实现校园网自动登录的示例讲解
因为最近想用树莓派搞个远程监控系统,又因为学校的网需要从网页登录而树莓派又不方便搞个显示器带着,所以寻思着搞个能够自动登录校园网的脚本程序,省去了每次都要打开浏览器输入账号密码的烦恼. 1.工具 火狐 ...
- python 实时日志监控_python动态监控日志内容的示例
#!/usr/bin/python # encoding=utf-8 # Filename: monitorLog.py import os import signal import subproce ...
- python requests 示例_python的requests模块实现登陆示例
51cto用python的requests模块实现登陆示例代码如下: -- coding:utf-8 -- import requests import re client = requests.se ...
- python输入输出简单例子_Python 文件和流的简单示例
这篇文章主要为大家详细介绍了Python 文件和流的简单示例,具有一定的参考价值,可以用来参考一下. 对python这个高级语言感兴趣的小伙伴,下面一起跟随512笔记的小编两巴掌来看看吧! 1.打开文 ...
- python画图的模块_python强大的绘图模块matplotlib示例讲解
Matplotlib 是 Python 的绘图库.作为程序员,经常需要进行绘图,在我自己的工作中,如果需要绘图,一般都是将数据导入到excel中,然后通过excel生成图表,这样操作起来还是比较繁琐的 ...
- python中remove用法_Python 列表 remove() 使用方法及示例
Python 列表 remove() 使用方法及示例 remove()方法从列表中删除第一个匹配元素(作为参数传递). remove()方法的语法为:list.remove(element) remo ...
最新文章
- codeforces Kyoya and Colored Balls
- 11g 新特性 Member Kill Escalation 简介
- 编程软件python中的if用法-适合Python初学者的一些编程技巧
- VHDL硬件描述语言(二)——子程序
- 3.Utm详细实现-用户生命流程
- java第二次测试笔试题_微软第二次笔试第一题java代码 已AC
- 启明云端分享| 图文+实操+视频,手把手教你Eclipse搭建esp-idf环境
- 播放框架模块:分而治之
- Docker学习五:Docker 数据管理
- android 实体对象转 json,list转 json ,map转json
- 《Java程序员修炼之道》.pdf
- WinFlash AwdFlash分析
- 《电脑音乐制作实战指南:伴奏、录歌、MTV全攻略》——第1篇 获取伴奏篇 第1章 MIDI音乐伴奏的获取与制作 1.1 电脑MIDI音乐与设备的介绍...
- unity 弹痕_Unity C# 用图片融合做弹孔
- Vue项目中应用“策略模式”
- NLP实现文本分词+在线词云实现工具
- Premiere使用教程(五)视频导出及添加视频、音频过渡
- 谷歌tts使用粤语读出内容
- Python爬虫(第三周)
- 面试-Iteration Owner-新加坡航空
热门文章
- 【Java】将数字金额转换为大写中文金额
- 看繁华一世,三千浮生若水
- iText5/iText7添加书签对比
- 解决谷歌浏览器自动添加书签问题
- 安装SQL2000系统提示文件挂起的解决办法
- 如何做一个基于python校园鲜花水果商城系统毕业设计毕设作品(Django框架)
- 用CDN的小伙伴注意了 小心阿里云注销你的备案
- win7桌面没有计算机,win7我的电脑图标没了 win7我的电脑不见怎么解决
- linux ip1180,Fedora Ubuntu 成功安装 佳能 ip1180 打印机驱动
- Python网络编程——面向连接(TCP)和无连接(UDP)时间戳网络小程序