《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

C#借助Spire.XLS for .NET实现在Excel中添加文档属性

《C#借助Spire.XLSfor.NET实现在Excel中添加文档属性》在日常的数据处理和项目管理中,Excel文档扮演着举足轻重的角色,本文将深入探讨如何在C#中借助强大的第三方库Spire.... 目录为什么需要程序化添加Excel文档属性使用Spire.XLS for .NET库实现文档属性管理Sp

Python+FFmpeg实现视频自动化处理的完整指南

《Python+FFmpeg实现视频自动化处理的完整指南》本文总结了一套在Python中使用subprocess.run调用FFmpeg进行视频自动化处理的解决方案,涵盖了跨平台硬件加速、中间素材处理... 目录一、 跨平台硬件加速:统一接口设计1. 核心映射逻辑2. python 实现代码二、 中间素材处

Java数组动态扩容的实现示例

《Java数组动态扩容的实现示例》本文主要介绍了Java数组动态扩容的实现示例,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1 问题2 方法3 结语1 问题实现动态的给数组添加元素效果,实现对数组扩容,原始数组使用静态分配

Python实现快速扫描目标主机的开放端口和服务

《Python实现快速扫描目标主机的开放端口和服务》这篇文章主要为大家详细介绍了如何使用Python编写一个功能强大的端口扫描器脚本,实现快速扫描目标主机的开放端口和服务,感兴趣的小伙伴可以了解下... 目录功能介绍场景应用1. 网络安全审计2. 系统管理维护3. 网络故障排查4. 合规性检查报错处理1.

Python轻松实现Word到Markdown的转换

《Python轻松实现Word到Markdown的转换》在文档管理、内容发布等场景中,将Word转换为Markdown格式是常见需求,本文将介绍如何使用FreeSpire.DocforPython实现... 目录一、工具简介二、核心转换实现1. 基础单文件转换2. 批量转换Word文件三、工具特性分析优点局

Springboot3统一返回类设计全过程(从问题到实现)

《Springboot3统一返回类设计全过程(从问题到实现)》文章介绍了如何在SpringBoot3中设计一个统一返回类,以实现前后端接口返回格式的一致性,该类包含状态码、描述信息、业务数据和时间戳,... 目录Spring Boot 3 统一返回类设计:从问题到实现一、核心需求:统一返回类要解决什么问题?

Java使用Spire.Doc for Java实现Word自动化插入图片

《Java使用Spire.DocforJava实现Word自动化插入图片》在日常工作中,Word文档是不可或缺的工具,而图片作为信息传达的重要载体,其在文档中的插入与布局显得尤为关键,下面我们就来... 目录1. Spire.Doc for Java库介绍与安装2. 使用特定的环绕方式插入图片3. 在指定位

Java使用Spire.Barcode for Java实现条形码生成与识别

《Java使用Spire.BarcodeforJava实现条形码生成与识别》在现代商业和技术领域,条形码无处不在,本教程将引导您深入了解如何在您的Java项目中利用Spire.Barcodefor... 目录1. Spire.Barcode for Java 简介与环境配置2. 使用 Spire.Barco

Java利用Spire.Doc for Java实现在模板的基础上创建Word文档

《Java利用Spire.DocforJava实现在模板的基础上创建Word文档》在日常开发中,我们经常需要根据特定数据动态生成Word文档,本文将深入探讨如何利用强大的Java库Spire.Do... 目录1. Spire.Doc for Java 库介绍与安装特点与优势Maven 依赖配置2. 通过替换

Android使用java实现网络连通性检查详解

《Android使用java实现网络连通性检查详解》这篇文章主要为大家详细介绍了Android使用java实现网络连通性检查的相关知识,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NetCheck.Java(可直接拷贝)使用示例(Activity/Fragment 内)权限要求