《机器学习实战》学习笔记：基于朴素贝叶斯的分类方法_基于朴素贝叶斯网络的分类实验有哪些-程序员宅基地

技术标签： machine-learning classify python 机器学习《机器学习实战》笔记 bayes 模式识别与机器学习

概率是许多机器学习算法的基础，在前面生成决策树的过程中使用了一小部分关于概率的知识，即统计特征在数据集中取某个特定值的次数，然后除以数据集的实例总数，得到特征取该值的概率。

目录：

一.基于贝叶斯理论的分类方法
二.关于朴素贝叶斯的应用场景
三.基于Python和朴素贝叶斯的文本分类

1.准备数据

2.训练算法

3.测试算法
四.小结

以下进入正文：

一.基于贝叶斯理论的分类方法

假设有两类数据组成的数据集如下：

这里写图片描述

其中，假设两个概率分布的参数已知，并用p1(x,y)表示当前数据点(x,y)属于类别一的概率；用p2(x,y)表示当前数据点(x,y)属于类别二的概率。

贝叶斯决策理论的核心思想是：选择高概率所对应的类别，选择具有最高概率的决策。有时也被总结成“多数占优”的原则。

具体到实例，对于一个数据点(x,y)，可以用如下规则判定它的类别：

若p1(x,y)>p2(x,y)，那么点(x,y)被判定为类别一。
若p1(x,y)<p2(x,y)，那么点(x,y)被判定为类别二。

当然，在实际情况中，单单依靠以上的判定无法解决所有的问题，因为以上准则还不是贝叶斯决策理论的所有内容，使用p1(x,y)和p2(x,y) 只是为了简化描述。更多的，我们使用p(ci|x,y) 来确定给定坐标的点(x,y)，该数据点来自类别ci的概率是多少。具体地，应用贝叶斯准则可得到，该准则可以通过已知的三个概率值来计算未知的概率值：

这里写图片描述

则以上判定法则可转化为：

若p(c1|x,y)>p(c2|x,y)，那么点(x,y)被判定为类别一。
若p(c1|x,y)<p(c2|x,y)，那么点(x,y)被判定为类别二。

二.关于朴素贝叶斯的应用场景

机器学习的一个重要应用就是文档的自动分类，而朴素贝叶斯正是文档分类的常用算法。基本步骤是遍历并记录下文档中出现的词，并把每个词的出现或者不出现作为一个特征。这样便有跟文档中出现过词汇的个数一样多的特征。若有大量特征时，使用直方图效果更好。以下是朴素贝叶斯的一般过程：

收集数据：这里使用RSS源
准备数据：需要数值型&布尔型数据
分析数据：有大量特征时，绘制特征的作用不大，此时使用直方图效果更好
训练算法：计算不同的独立特征的条件概率
测试算法：计算错误率
使用算法：如文档分类

讲到这里，你也许还会带着疑问，为什么贝叶斯前会加上“朴素”，其实，这是基于朴素贝叶斯的一个假设，即：特征之间相互（统计意义上）独立，如一个单词出现的可能性与其他单词相邻没有关系，当然这在实际情况中不一定是正确的，但无数实验表明，这种假设是有必要的，而且朴素贝叶斯的实际效果其实很好。

朴素贝叶斯的另外一个假设是：每个特征同等重要。当然，这个假设也有问题（不然就不叫假设了……），但确实有用的假设。

三.基于Python和朴素贝叶斯的文本分类

从文本中提取特征，首先需要将文本进行拆分，转化为词向量，某个词存在表示为1，不存在表示为0，这样，原来一大串字符串便转为简单的0，1序列的向量。这种情况下只考虑某个词是否出现，当然，你也可以使用记录词的出现次数作为向量，或者记录不同词出现的频率等等。

1.准备数据：从文本中构建词向量，这里考虑出现在所有文档中的所有单词，并将每一篇文档转化为词汇表上的向量。下面的代码实现了功能，其中：

函数loadDataSet() 创建了一些实验样本postingList和对应的标签listClass，有一些样本被标签为带有侮辱性文字；
函数

本文链接：https://blog.csdn.net/liyuefeilong/article/details/48383175

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

CanOpen 节点和心跳保护+NMT 简答解析（笔记）_canopen 心跳报文与节点保护-程序员宅基地

文章浏览阅读6.9k次，点赞7次，收藏33次。解析;节点保护，从站自我保护，心跳保护，主站主动处理错误，两者选其一NMT 通过发送CS命令，切换从站的状态，比如：从预操作 -> 运行_canopen 心跳报文与节点保护

FCN框架简单解析_基于fcn网络的生成网络-程序员宅基地

文章浏览阅读1.6k次。FCN是在VGG或者Alexnet网络上进行的预训练，然后将后两层全连接改为卷积层。现在的语义分割步骤基本都是上采样、下采样、拼接、对像素点进行分类。如下图所示：从pool1开始，每个pool之后图像都会变为上个池化后图像的1/2。pool1为原图的1/2，依此推算，pool5为原图像的1/32,conv6,conv7之后图像大小保持不变，进行stride=32的反卷积，得到FCN-32s..._基于fcn网络的生成网络

【动手学深度学习】(三)Softmax回归_softmax回归模型-程序员宅基地

文章浏览阅读94次。softmax回归。_softmax回归模型

SimpleITK 读入图像、阈值、滤波等简单应用-程序员宅基地

文章浏览阅读2.7k次。#include <SimpleITK.h>using namespace std;namespace sitk = itk::simple;int main(){ sitk::ImageFileReader reader; reader.SetFileName(std::string("NCCT1.nii.gz")); reader.ReadImageInf..._simpleitk

【Spring教程六】Spring框架DI相关内容大揭秘：全面深入理解DI（依赖注入）以及setter注入与构造器注入全面详解_如何使用setter注入替换构造方法注入-程序员宅基地

文章浏览阅读892次，点赞26次，收藏28次。欢迎大家回到《 Java教程之Spring30天快速入门》，本教程所有示例均基于Maven实现，如果您对Maven还很陌生，请移步本人的博文《如何在windows11下安装Maven并配置以及 IDEA配置Maven环境》，本文的上一篇为《 Bean的生命周期》。_如何使用setter注入替换构造方法注入

计算机无法识别打印机usb,win10系统打印机usb无法识别的办法-程序员宅基地

文章浏览阅读9.4k次，点赞2次，收藏5次。有关win10系统打印机usb无法识别的操作方法想必大家有所耳闻。但是能够对win10系统打印机usb无法识别进行实际操作的人却不多。其实解决win10系统打印机usb无法识别的问题也不是难事，小编这里提示两点：1、确保电脑UsB接口被启用，同时也要确保UsB驱动被正确安装。开机根据屏幕提示按下相应按键进入CMos，进入“基本Bios设置”，查看主板集成UsB接口，将UsB接口设置为“启用”。进入..._电脑无法识别打印机usb设备怎么办

随便推点

vue3封装SVGA组件&&解决报错Unexpected character ‘�_npm安装包出现空格unexpected character-程序员宅基地

文章浏览阅读1.2k次。用vue3封装一个SVGA组件；解决报错：Uncaught Error: Module parse failed: Unexpected character '�'；_npm安装包出现空格unexpected character

Burp Suite2023软件安装详解_burpsuite2023-程序员宅基地

文章浏览阅读8.8k次，点赞16次，收藏104次。代理服务器（Proxy）：拦截并审查所有Web应用程序流量，包括HTTP和HTTPS请求和响应头。扫描工具（Scanner）：自动扫描工具，可以扫描Web应用程序以发现包括SQL注入、XSS等漏洞。考古工具（Target）：Burp Suite包括一个考古工具，使安全专家能够轻松地分析请求和响应中的数据并提取Web应用程序背后的实际模式。攻击发生器（Intruder）：Burp Suite的攻击发生器可以生成探测式的攻击，可用于识别Web应用程序中存在的关键漏洞。_burpsuite2023

用HTML+CSS做一个漂亮简单的个人网页(HTML期末大作业)_html+css网页制作作业-程序员宅基地

文章浏览阅读229次。网站布局方面：计划采用目前主流的、能兼容各大主流浏览器、显示效果稳定的浮动网页布局结构。网站程序方面：计划采用最新的网页编程语言HTML5+CSS3+JS程序语言完成网站的功能设计。并确保网站代码兼容目前市面上所有的主流浏览器，已达到打开后就能即时看到网站的效果。网站素材方面：计划收集各大平台好看的图片素材，并精挑细选适合网页风格的图片，然后使用PS做出适合网页尺寸的图片。网站文件方面：网站系统文件种类包含：html网页结构文件、css网页样式文件、js网页特效文件、images网页图片文件；_html+css网页制作作业