Python实现nb(朴素贝叶斯)

时间：2023-03-09 15:38:49
Python实现nb(朴素贝叶斯)

Python实现nb(朴素贝叶斯)

运行环境

  • Pyhton3
  • numpy科学计算模块

计算过程

st=>start: 开始

op1=>operation: 读入数据

op2=>operation: 格式化数据

op3=>operation: 计算测试文本对预测情感的相关度

op4=>operation: 计算推断出情感的概率

e=>end

st->op1->op2->op3->op4->e

输入样例

/* Dataset.txt */

文本编号	词列表（以空格分隔）	公众"感动"的概率

训练文本1	消防员 冲进 火场 救出 男童	1

训练文本2	消防员 多次 冲进 火场 救人 不幸 身亡	0.5

训练文本3	6旬 老人 跳楼 自杀 身亡	0.1

训练文本4	疑犯 枪杀 出租车 司机	0

训练文本5	医师 误 把 肾脏 当 肝脏 致人 身亡	0

测试文本1	癌症 老人 成功 手术	?

测试文本2	男子 枪杀 老人 后 自杀	?

测试文本3	消防员 冲进 火场 将 男童 救出	?

测试文本4	出租车 司机 免费 搭载 老人	?

测试文本5	医师 误 把 患者 肝脏 捅破 致人 身亡	?

代码实现

# -*- coding: utf-8 -*-

__author__ = 'Wsine'

from numpy import *

import operator

import time

SIZE_OF_DATA = 5

SIZE_OF_TEST = 5

def read_input(filename):

	with open(filename) as fr:

		corpus = []

		for text in fr.readlines()[1:]:

			for word in text.strip().split('\t')[1].split():

				corpus.append(word)

		allwords = set(corpus)

	matN = len(allwords)

	returnMat = zeros((SIZE_OF_DATA + SIZE_OF_TEST, matN))

	shares = []

	index = 0

	with open(filename) as fr:

		for line in fr.readlines()[1:]:

			setFromLine = set(line.strip().split('\t')[1].split())

			oneLine = []

			for s in allwords:

				if s in setFromLine:

					oneLine.append(1)

				else:

					oneLine.append(0)

			returnMat[index, :] = oneLine

			if index < SIZE_OF_DATA:

				shares.append(float(line.strip().split('\t')[-1].strip()))

			index += 1

	return returnMat[:SIZE_OF_DATA,:], returnMat[SIZE_OF_DATA:,:], shares

def norm(inputMat):

	outputMat = inputMat.copy()

	m, n = shape(inputMat)

	for i in range(m):

		lineSum = sum(inputMat[i, :])

		for j in range(n):

			outputMat[i, j] = inputMat[i, j] / lineSum

	return outputMat

def cosineFunction(a, b):

	l = len(a)

	up = 0

	for i in range(l):

		up += a[i] * b[i]

	down1 = linalg.norm(a)

	down2 = linalg.norm(b)

	return (up / (down1 * down2))

def classify(trainDataSet, testDataSet, dataShares):

	trainDataSet = trainDataSet.transpose()

	emotionMat = dot(trainDataSet, dataShares) # 第i个词和情感的相关度

	count = sum(trainDataSet)

	for i, word in enumerate(emotionMat):

		emotionMat[i] = word * sum(trainDataSet[i]) / count

		# 由词推断出情感的概率 =

		#					当前文本已知情感出现词的概率

		#				  * 当前训练文本中的情感概率值

		#				  / 所有文本中出现词的概率

	predictShares = dot(testDataSet, emotionMat)

	return norm(mat(predictShares))

def main():

	trainMat, testMat, shares = read_input('Dataset.txt')

	normTrainMat = norm(trainMat)

	normTestMat = norm(testMat)

	predictShares = classify(normTrainMat, normTestMat, shares)

	print(predictShares)

if __name__ == '__main__':

	main()

输出样例

[[ 0.01457495  0.02331992  0.87251383  0.01165996  0.07793135]]

相关文章