模板实验7 朴素贝叶斯算法Word文档下载推荐.docx

上传人:b****1 文档编号:5555639 上传时间:2023-05-05 格式:DOCX 页数:16 大小:548.05KB
下载 相关 举报
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第1页
第1页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第2页
第2页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第3页
第3页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第4页
第4页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第5页
第5页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第6页
第6页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第7页
第7页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第8页
第8页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第9页
第9页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第10页
第10页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第11页
第11页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第12页
第12页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第13页
第13页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第14页
第14页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第15页
第15页 / 共16页
模板实验7 朴素贝叶斯算法Word文档下载推荐.docx_第16页
第16页 / 共16页
亲,该文档总共16页,全部预览完了,如果喜欢就下载吧!
下载资源
资源描述

模板实验7 朴素贝叶斯算法Word文档下载推荐.docx

《模板实验7 朴素贝叶斯算法Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《模板实验7 朴素贝叶斯算法Word文档下载推荐.docx(16页珍藏版)》请在冰点文库上搜索。

模板实验7 朴素贝叶斯算法Word文档下载推荐.docx

在学习计算p1和p2概率之前,我们需要了解什么是条件概率(Condittionalprobability),就是指在事件B发生的情况下,事件A发生的概率,用P(A|B)来表示。

根据文氏图,可以很清楚地看到在事件B发生的情况下,事件A发生的概率就是P(A∩B)除以P(B)。

因此,

同理可得,

所以,

这就是条件概率的计算公式。

除了条件概率以外,在计算p1和p2的时候,还要用到全概率公式,因此,这里继续推导全概率公式。

假定样本空间S,是两个事件A与A’的和。

上图中,红色部分是事件A,绿色部分是事件A’,它们共同构成了样本空间S。

在这种情况下,事件B可以划分成两个部分。

在上一节的推导当中,我们已知

所以,

这就是全概率公式。

它的含义是,如果A和A’构成样本空间的一个划分,那么事件B的概率,就等于A和A’的概率分别乘以B对这两个事件的条件概率之和。

将这个公式代入上一节的条件概率公式,就得到了条件概率的另一种写法:

对条件概率公式进行变形,可以得到如下形式:

我们把P(A)称为”先验概率”(Priorprobability),即在B事件发生之前,我们对A事件概率的一个判断。

P(A|B)称为”后验概率”(Posteriorprobability),即在B事件发生之后,我们对A事件概率的重新评估。

P(B|A)/P(B)称为”可能性函数”(Likelyhood),这是一个调整因子,使得预估概率更接近真实概率。

所以,条件概率可以理解成下面的式子:

后验概率=先验概率x调整因子1

这就是贝叶斯推断的含义。

我们先预估一个”先验概率”,然后加入实验结果,看这个实验到底是增强还是削弱了”先验概率”,由此得到更接近事实的”后验概率”。

在这里,如果”可能性函数”P(B|A)/P(B)>

1,意味着”先验概率”被增强,事件A的发生的可能性变大;

如果”可能性函数”=1,意味着B事件无助于判断事件A的可能性;

如果”可能性函数”<

1,意味着”先验概率”被削弱,事件A的可能性变小。

为了加深对贝叶斯推断的理解,我们一个例子。

两个一模一样的碗,一号碗有30颗水果糖和10颗巧克力糖,二号碗有水果糖和巧克力糖各20颗。

现在随机选择一个碗,从中摸出一颗糖,发现是水果糖。

请问这颗水果糖来自一号碗的概率有多大?

我们假定,H1表示一号碗,H2表示二号碗。

由于这两个碗是一样的,所以P(H1)=P(H2),也就是说,在取出水果糖之前,这两个碗被选中的概率相同。

因此,P(H1)=0.5,我们把这个概率就叫做”先验概率”,即没有做实验之前,来自一号碗的概率是0.5。

再假定,E表示水果糖,所以问题就变成了在已知E的情况下,来自一号碗的概率有多大,即求P(H1|E)。

我们把这个概率叫做”后验概率”,即在E事件发生之后,对P(H1)的修正。

根据条件概率公式,得到

已知,P(H1)等于0.5,P(E|H1)为一号碗中取出水果糖的概率,等于30÷

(30+10)=0.75,那么求出P(E)就可以得到答案。

根据全概率公式,

将数字代入原方程,得到

这表明,来自一号碗的概率是0.6。

也就是说,取出水果糖之后,H1事件的可能性得到了增强。

同时再思考一个问题,在使用该算法的时候,如果不需要知道具体的类别概率,即上面P(H1|E)=0.6,只需要知道所属类别,即来自一号碗,我们有必要计算P(E)这个全概率吗?

要知道我们只需要比较P(H1|E)和P(H2|E)的大小,找到那个最大的概率就可以。

既然如此,两者的分母都是相同的,那我们只需要比较分子即可。

即比较P(E|H1)P(H1)和P(E|H2)P(H2)的大小,所以为了减少计算量,全概率公式在实际编程中可以不使用。

10 

理解了贝叶斯推断,那么让我们继续看看朴素贝叶斯。

贝叶斯和朴素贝叶斯的概念是不同的,区别就在于“朴素”二字,朴素贝叶斯对条件个概率分布做了条件独立性的假设。

比如下面的公式,假设有n个特征:

由于每个特征都是独立的,我们可以进一步拆分公式

这样我们就可以进行计算了。

如果有些迷糊,让我们从一个例子开始讲起,你会看到贝叶斯分类器很好懂,一点都不难。

某个医院早上来了六个门诊的病人,他们的情况如下表所示:

症状

职业

疾病

打喷嚏

护士

感冒

农夫

过敏

头痛

建筑工人

脑震荡

教师

现在又来了第七个病人,是一个打喷嚏的建筑工人。

请问他患上感冒的概率有多大?

根据贝叶斯定理:

可得:

根据朴素贝叶斯条件独立性的假设可知,”打喷嚏”和”建筑工人”这两个特征是独立的,因此,上面的等式就变成了

这里可以计算:

因此,这个打喷嚏的建筑工人,有66%的概率是得了感冒。

同理,可以计算这个病人患上过敏或脑震荡的概率。

比较这几个概率,就可以知道他最可能得什么病。

这就是贝叶斯分类器的基本方法:

在统计资料的基础上,依据某些特征,计算各个类别的概率,从而实现分类。

同样,在编程的时候,如果不需要求出所属类别的具体概率,P(打喷嚏)=0.5和P(建筑工人)=0.33的概率是可以不用求的。

11 

以在线社区留言为例。

为了不影响社区的发展,我们要屏蔽侮辱性的言论,所以要构建一个快速过滤器,如果某条留言使用了负面或者侮辱性的语言,那么就将该留言标志为内容不当。

过滤这类内容是一个很常见的需求。

对此问题建立两个类型:

侮辱类和非侮辱类,使用1和0分别表示。

我们把文本看成单词向量或者词条向量,也就是说将句子转换为向量。

考虑出现所有文档中的单词,再决定将哪些单词纳入词汇表或者说所要的词汇集合,然后必须要将每一篇文档转换为词汇表上的向量。

简单起见,我们先假设已经将本文切分完毕,存放到列表中,并对词汇向量进行分类标注。

编写代码如下:

-*- 

coding:

UTF-8 

-*-"

"

函数说明:

创建实验样本

Parameters:

Returns:

postingList 

实验样本切分的词条

classVec 

类别标签向量

def 

loadDataSet():

postingList=[['

my'

 

'

dog'

has'

flea'

problems'

help'

please'

], 

#切分的词条

['

maybe'

not'

take'

him'

to'

park'

stupid'

],

dalmation'

is'

so'

cute'

I'

love'

stop'

posting'

worthless'

garbage'

mr'

licks'

ate'

steak'

how'

quit'

buying'

food'

]]

[0,1,0,1,0,1] 

#类别标签向量,1代表侮辱性词汇,0代表不是

return 

postingList,classVec

if 

__name__ 

== 

__main__'

:

postingLIst, 

loadDataSet() 

for 

each 

in 

postingLIst:

print(each)

print(classVec)

从运行结果可以看出,我们已经将postingList是存放词条列表中,classVec是存放每个词条的所属类别,1代表侮辱类,0代表非侮辱类。

继续编写代码,前面我们已经说过我们要先创建一个词汇表,并将切分好的词条转换为词条向量。

-*-

根据vocabList词汇表,将inputSet向量化,向量的每个元素为1或0

vocabList 

createVocabList返回的列表

inputSet 

切分的词条列表

returnVec 

文档向量,词集模型

setOfWords2Vec(vocabList, 

inputSet):

[0] 

len(vocabList) 

#创建一个其中所含元素都为0的向量

word 

inputSet:

#遍历每个词条

vocabList:

#如果词条存在于词汇表中,则置1

returnVec[vocabList.index(word)] 

1

else:

print("

the 

word:

%s 

is 

not 

my 

Vocabulary!

word) 

#返回文档向量

将切分的实验样本词条整理成不重复的词条列表,也就是词汇表

dataSet 

整理的样本数据集

vocabSet 

返回不重复的词条列表,也就是词汇表

createVocabList(dataSet):

set([]) 

#创建一个空的不重复列表

document 

dataSet:

set(document) 

#取并集

list(vocabSet)

postingList, 

loadDataSet()

print('

postingList:

\n'

postingList)

myVocabList 

createVocabList(postingList)

myVocabList:

myVocabList)

trainMat 

[] 

postinDoc 

trainMat.append(setOfWords2Vec(myVocabList, 

postinDoc))

trainMat:

trainMat)

从运行结果可以看出,postingList是原始的词条列表,myVocabList是词汇表。

myVocabList是所有单词出现的集合,没有重复的元素。

词汇表是用来干什么的?

没错,它是用来将词条向量化的,一个单词在词汇表中出现过一次,那么就在相应位置记作1,如果没有出现就在相应位置记作0。

trainMat是所有的词条向量组成的列表。

它里面存放的是根据myVocabList向量化的词条向量。

我们已经得到了词条向量。

接下来,我们就可以通过词条向量训练朴素贝叶斯分类器。

import 

numpy 

as 

np

from 

functools 

reduce

postingList 

classVec 

postingList=[['

],#切分的词条

['

#类别标签向量,1代表侮辱性词汇,0代表不是

return 

postingList,classVec#返回实验样本切分的词条和类别标签向量

dataSet 

vocabSet 

#创建一个空的不重复列表

for 

vocabSet 

vocabList 

inputSet 

returnVec 

len(vocabList)#创建一个其中所含元素都为0的向量

#遍历每个词条

if 

#如果词条存在于词汇表中,则置1

returnVec[vocabList.index(word)] 

else:

word)

returnVec#返回文档向量

朴素贝叶斯分类器训练函数

trainMatrix 

训练文档矩阵,即setOfWords2Vec返回的returnVec构成的矩阵

trainCategory 

训练类别标签向量,即loadDataSet返回的classVec

p0Vect 

非的条件概率数组

p1Vect 

侮辱类的条件概率数组

pAbusive 

文档属于侮辱类的概率

trainNB0(trainMatrix,trainCategory):

numTrainDocs 

len(trainMatrix)#计算训练的文档数目

numWords 

len(trainMatrix[0])#计算每篇文档的词条数

sum(trainCategory)/float(numTrainDocs)#文档属于侮辱类的概率

p0Num 

np.zeros(numWords);

p1Num 

np.zeros(numWords)#创建numpy.zeros数组,

p0Denom 

0.0;

p1Denom 

0.0 

#分母初始化为0.0

range(numTrainDocs):

trainCategory[i] 

1:

#统计属于侮辱类的条件概率所需的数据,即P(w0|1),P(w1|1),P(w2|1)·

·

p1Num 

+= 

trainMatrix[i]

p1Denom 

sum(trainMatrix[i])

#统计属于非侮辱类的条件概率所需的数据,即P(w0|0),P(w1|0),P(w2|0)·

p0Num 

p0Denom 

p1Num/p1Denom#相除 

p0Num/p0Denom 

p0Vect,p1Vect,pAbusive#返回属于侮辱类的条件概率数组,属于非侮辱类的条件概率数组,文档属于侮辱类的概率

myVocabList)

p0V, 

p1V, 

pAb 

trainNB0(trainMat, 

classVec)

p0V:

p0V)

p1V:

p1V)

classVec:

pAb:

pAb)

运行结果如下,p0V存放的是每个单词属于类别0,也就是非侮辱类词汇的概率。

比如p0V的倒数第4个概率,就是stupid这个单词属于非侮辱类的概率为0。

同理,p1V的倒数第4个概率,就是stupid这个单词属于侮辱类的概率为0.15789474,也就是约等于15.79%的概率。

我们知道s

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 小学教育 > 小学作文

copyright@ 2008-2023 冰点文库 网站版权所有

经营许可证编号:鄂ICP备19020893号-2