朴素贝叶斯分类器底层实现(python)

# coding:utf-8
from collections import defaultdict
import numpy as np

class NativeByes(object):
    def __init__(self):
        # 词的文档频率
        self._dp_dict = None
        # 字典
        self._word_dict = None
        # 各个分类的占比,p(c)
        self._pc_dict = None
        # p(w|c),词在指定分类下的占比
        self._pwc_dict = None

    def create_dataset(self):
        data_set = [['my', 'dog', 'has', 'flea', 'problem', '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'],
                    ['quite', 'buying', 'worthless', 'dog', 'food', 'stupid']]
        lables = [0, 1, 0, 1, 0, 1]
        return data_set, lables

    def crate_worddic(self, data_set):
        '''
        根据文档创建字典
        :param data_set: 
        :return: 
        '''
        s = set([])
        dp_dict = defaultdict(int)
        for data in data_set:
            tmp_set = set(data)
            for word in tmp_set:
                dp_dict[word] += 1
            s = s | tmp_set
        return list(s), dp_dict

    def build_vec(self, words, word_dic):
        '''
        使用字典,将词条转成字典向量(词袋模型)
        :param words: 
        :param word_dic: 
        :return: 
        '''
        word_dic = self._word_dict
        dp_dict = self._dp_dict
        vec = np.zeros(len(word_dic))
        for word in words:
            if word in word_dic:
                dp = dp_dict[word]
                vec[word_dic.index(word)] += (1.0 / dp)
        return vec

    def train(self, data_set, labels):
        '''
        训练数据集
        :param data_set: 
        :param labels: 
        :return: 
        '''
        word_dict, dp_dict = self.crate_worddic(data_set)
        self._word_dict = word_dict
        self._dp_dict = dp_dict
        matrix = [self.build_vec(word, word_dict) for word in data_set]
        # p(c) ,key :类别, value:出现次数
        pc_dict = defaultdict(int)
        for i in range(len(data_set)):
            label = labels[i]
            pc_dict[label] += 1
        cl_num = len(word_dict)
        # p(wn|cn)
        pwc_dict = defaultdict(int)
        for i in range(cl_num):
            for j in range(len(matrix)):
                vec = matrix[j]
                v = int(vec[i])
                key = 'c{}-f{}-v{}'.format(labels[j], str(i), v)
                pwc_dict[key] += 1

        self._pc_dict = pc_dict
        self._pwc_dict = pwc_dict

    def classify(self, words):
        '''
        对词条向量进行分类
        :param words: 
        :return: 
        '''
        word_dict = self._word_dict
        pc_dict = self._pc_dict
        pwc_dict = self._pwc_dict
        vec = self.build_vec(words, word_dict)
        vec_len = len(vec)
        max_pc = 0
        label = ''
        for c, pc in pc_dict.items():
            pwc = 0
            for i in range(vec_len):
                v = int(vec[i])
                key = 'c{}-f{}-v{}'.format(c, i, v)
                cur_pwc = pwc_dict[key]
                if cur_pwc == 0:
                    pass
                pwc += np.math.log(cur_pwc + 1)
            p = pc * pwc
            if p > max_pc:
                label = c
                max_pc = p
        return label


if __name__ == '__main__':
    byes = NativeByes()
    data_set, labels = byes.create_dataset()
    byes.train(data_set, labels)
    vec = ['dog', 'stupid', 'dog']
    lb = byes.classify(vec)
    for i in range(len(data_set)):
        vec = data_set[i]
        real_label = labels[i]
        lb = byes.classify(vec)
        print '{},cls is {},real is {}'.format(lb == real_label, lb, real_label)


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,634评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,951评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,427评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,770评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,835评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,799评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,768评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,544评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,979评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,271评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,427评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,121评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,756评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,375评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,579评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,410评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,315评论 2 352

推荐阅读更多精彩内容