《机器学习实战(Scala实现)》(四)——朴素贝叶斯

2024-06-02 04:48

本文主要是介绍《机器学习实战(Scala实现)》(四)——朴素贝叶斯,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原理

关于算法原理可以参阅:http://blog.csdn.net/u011239443/article/details/53735609#t35

构建词向量

python

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']]# 1 代表侮辱性的词 0则不是classVec = [0,1,0,1,0,1]    return postingList,classVecdef createVocabList(dataSet):# 创建空集合vocabSet = set([])  for document in dataSet:# 合并两个集合vocabSet = vocabSet | set(document) return list(vocabSet)def setOfWords2Vec(vocabList, inputSet):returnVec = [0]*len(vocabList)for word in inputSet:if word in vocabList:returnVec[vocabList.index(word)] = 1else: print "the word: %s is not in my Vocabulary!" % wordreturn returnVec

训练与测试算法

python

训练算法

def trainNB0(trainMatrix,trainCategory):numTrainDocs = len(trainMatrix)numWords = len(trainMatrix[0])pAbusive = sum(trainCategory)/float(numTrainDocs)p0Num = ones(numWords); p1Num = ones(numWords)      p0Denom = 2.0; p1Denom = 2.0                        for i in range(numTrainDocs):if trainCategory[i] == 1:p1Num += trainMatrix[i]p1Denom += sum(trainMatrix[i])else:p0Num += trainMatrix[i]p0Denom += sum(trainMatrix[i])p1Vect = log(p1Num/p1Denom)          p0Vect = log(p0Num/p0Denom)          return p0Vect,p1Vect,pAbusive
  • 这里的pAbusive其实应该计算的是各个类别的概率。但是我们这里是类别只有 0 和 1 的二分类,所以只要返回一个类别为 1 的概率给后续程序就行了。
  • p0Num = ones(numWords); p1Num = ones(numWords)p0Denom = 2.0; p1Denom = 2.0是为了避免后续计算log中的指和分母值取到0
  • p1Num/p1Denom得到向量第i个特征即 p(wi/c1) ,而 log(p(w/c1))=log(p(w1/c1))+log(p(w2/c1))+...+log(p(wn/c1)) 。所以我们只需要将该向量中的每个特征取对数,再累加就能得到 log(p(w/c1))

测试算法

def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):p1 = sum(vec2Classify * p1Vec) + log(pClass1)    p0 = sum(vec2Classify * p0Vec) + log(1.0 - pClass1)if p1 > p0:return 1else: return 0def testingNB():listOPosts,listClasses = loadDataSet()myVocabList = createVocabList(listOPosts)trainMat=[]for postinDoc in listOPosts:trainMat.append(setOfWords2Vec(myVocabList, postinDoc))p0V,p1V,pAb = trainNB0(array(trainMat),array(listClasses))testEntry = ['love', 'my', 'dalmation']thisDoc = array(setOfWords2Vec(myVocabList, testEntry))print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)testEntry = ['stupid', 'garbage']thisDoc = array(setOfWords2Vec(myVocabList, testEntry))print testEntry,'classified as: ',classifyNB(thisDoc,p0V,p1V,pAb)

由于 p(w) 是相同的,所以我们只需要比较 p(w/c0)p(c0) p(w/c1)p(c1) 的大小,即 log(p(w/c0)p(c0)) log(p(w/c1)p(c1)) 的大小。如: log(p(w/c0)p(c0))=log(p(w/c0))+log(p(c0))= sum(vec2Classify * p0Vec) + log(1.0 - pClass1)

scala

package NativeBayesimport scala.collection.mutable.ArrayBufferobject NativeBayes {def loadDataSet() = {val postingList = Array(Array("my", "dog", "has", "flea", "problems", "help", "please"),Array("maybe", "not", "take", "him", "to", "dog", "park", "stupid"),Array("my", "dalmation", "is", "so", "cute", "I", "love", "him"),Array("stop", "posting", "stupid", "worthless", "garbage"),Array("mr", "licks", "ate", "my", "steak", "how", "to", "stop", "him"),Array("quit", "buying", "worthless", "dog", "food", "stupid"))//1 代表不良信息, 反之为 0 val classVec = Array(0, 1, 0, 1, 0, 1)(postingList, classVec)}def setOfWords2Vec(vocabList: Array[String], inputSet: Array[String]) = {val returnVec = new Array[Int](vocabList.length)val vocabListWithIndex = vocabList.zipWithIndexfor (word <- inputSet) {if (vocabList.contains(word))returnVec(vocabListWithIndex.filter(_._1 == word)(0)._2) = 1else printf("the word: %s is not in my Vocabulary!\n", word)}returnVec}def trainNB0(trainMatrix: Array[Array[Int]], trainCategory: Array[Int]) = {val numTrainDocs = trainMatrix.lengthval numWords = trainMatrix(0).lengthval pAbusive = trainCategory.sum / numTrainDocs.toDoublevar p0Num = Array.fill(numWords)(1)var p1Num = Array.fill(numWords)(1)var p0Denom = 2.0var p1Denom = 2.0for (i <- 0 to numTrainDocs - 1) {if (trainCategory(i) == 1) {var cnt = 0p1Num = p1Num.map { x =>val v = x + trainMatrix(i)(cnt)cnt += 1v}p1Denom += trainMatrix(i).sum} else {var cnt = 0p0Num = p0Num.map { x =>val v = x + trainMatrix(i)(cnt)cnt += 1v}p0Denom += trainMatrix(i).sum}}(p1Num.map(x => math.log(x / p1Denom)), p0Num.map(x => Math.log(x / p0Denom)), pAbusive)}def classifyNB(vec2Classify: Array[Int], p0Vec: Array[Double], p1Vec: Array[Double], pClass1: Double) = {var cnt = 0val p1 = vec2Classify.map { x =>val v = x * p1Vec(cnt)cnt += 1v}.sum + math.log(pClass1)cnt = 0val p0 = vec2Classify.map { x =>val v = x * p0Vec(cnt)cnt += 1v}.sum + math.log(1.0 - pClass1)if (p1 > p0) 1 else 0}def main(args: Array[String]): Unit = {val DataSet = loadDataSet()val listOPosts = DataSet._1val listClasses = DataSet._2val myVocabList = listOPosts.reduce((a1, a2) => a1.++:(a2)).distinctvar trainMat = new ArrayBuffer[Array[Int]](listOPosts.length)listOPosts.foreach(postinDoc => trainMat.append(setOfWords2Vec(myVocabList, postinDoc)))val p = trainNB0(trainMat.toArray, listClasses)val p0V = p._2val p1V = p._1val pAb = p._3val testEntry = Array("love", "my", "dalmation")val thisDoc = setOfWords2Vec(myVocabList, testEntry)println(testEntry.mkString(",") + " classified as: " + classifyNB(thisDoc, p0V, p1V, pAb))val testEntry2 = Array("stupid", "garbage")val thisDoc2 = setOfWords2Vec(myVocabList, testEntry2)println(testEntry2.mkString(",") + " classified as: " + classifyNB(thisDoc2, p0V, p1V, pAb))}
}

这里写图片描述

这篇关于《机器学习实战(Scala实现)》(四)——朴素贝叶斯的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1023069

相关文章

Python实现对阿里云OSS对象存储的操作详解

《Python实现对阿里云OSS对象存储的操作详解》这篇文章主要为大家详细介绍了Python实现对阿里云OSS对象存储的操作相关知识,包括连接,上传,下载,列举等功能,感兴趣的小伙伴可以了解下... 目录一、直接使用代码二、详细使用1. 环境准备2. 初始化配置3. bucket配置创建4. 文件上传到os

关于集合与数组转换实现方法

《关于集合与数组转换实现方法》:本文主要介绍关于集合与数组转换实现方法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、Arrays.asList()1.1、方法作用1.2、内部实现1.3、修改元素的影响1.4、注意事项2、list.toArray()2.1、方

从原理到实战深入理解Java 断言assert

《从原理到实战深入理解Java断言assert》本文深入解析Java断言机制,涵盖语法、工作原理、启用方式及与异常的区别,推荐用于开发阶段的条件检查与状态验证,并强调生产环境应使用参数验证工具类替代... 目录深入理解 Java 断言(assert):从原理到实战引言:为什么需要断言?一、断言基础1.1 语

使用Python实现可恢复式多线程下载器

《使用Python实现可恢复式多线程下载器》在数字时代,大文件下载已成为日常操作,本文将手把手教你用Python打造专业级下载器,实现断点续传,多线程加速,速度限制等功能,感兴趣的小伙伴可以了解下... 目录一、智能续传:从崩溃边缘抢救进度二、多线程加速:榨干网络带宽三、速度控制:做网络的好邻居四、终端交互

java实现docker镜像上传到harbor仓库的方式

《java实现docker镜像上传到harbor仓库的方式》:本文主要介绍java实现docker镜像上传到harbor仓库的方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录1. 前 言2. 编写工具类2.1 引入依赖包2.2 使用当前服务器的docker环境推送镜像2.2

C++20管道运算符的实现示例

《C++20管道运算符的实现示例》本文简要介绍C++20管道运算符的使用与实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录标准库的管道运算符使用自己实现类似的管道运算符我们不打算介绍太多,因为它实际属于c++20最为重要的

Java easyExcel实现导入多sheet的Excel

《JavaeasyExcel实现导入多sheet的Excel》这篇文章主要为大家详细介绍了如何使用JavaeasyExcel实现导入多sheet的Excel,文中的示例代码讲解详细,感兴趣的小伙伴可... 目录1.官网2.Excel样式3.代码1.官网easyExcel官网2.Excel样式3.代码

Java MQTT实战应用

《JavaMQTT实战应用》本文详解MQTT协议,涵盖其发布/订阅机制、低功耗高效特性、三种服务质量等级(QoS0/1/2),以及客户端、代理、主题的核心概念,最后提供Linux部署教程、Sprin... 目录一、MQTT协议二、MQTT优点三、三种服务质量等级四、客户端、代理、主题1. 客户端(Clien

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

在Spring Boot中集成RabbitMQ的实战记录

《在SpringBoot中集成RabbitMQ的实战记录》本文介绍SpringBoot集成RabbitMQ的步骤,涵盖配置连接、消息发送与接收,并对比两种定义Exchange与队列的方式:手动声明(... 目录前言准备工作1. 安装 RabbitMQ2. 消息发送者(Producer)配置1. 创建 Spr