Python 朴素贝叶斯（Naive Bayes）分类_python朴素贝叶斯的意义

# -*- coding: utf-8 -*-
"""
Created on Mon Nov 14 11:15:47 2016
Naive Bayes Clssification
"""
# -*- coding: utf-8 -*-
import numpy  as np

class NaiveBayes:
     def  __init__ ( self ):
         self._creteria  =  "NB"
        
     def _createVocabList ( self , dataList ):
         """
        创建一个词库向量
        """
        vocabSet  =  set ( [ ] )
         for line  in dataList:
             print  set (line )
            vocabSet  = vocabSet |  set (line )
         return  list (vocabSet )
        
     #文档词集模型
     def _setOfWords2Vec ( self , vocabList , inputSet ):
         """
        功能:根据给定的一行词，将每个词映射到此库向量中，出现则标记为1，不出现则为0
        """
        outputVec  =  [ 0 ] *  len (vocabList )
         for word  in inputSet:
             if word  in vocabList:
                outputVec [vocabList. index (word ) ]  =  1
             else:
                 print  "the word:%s is not in my vocabulary!" % word
         return outputVec
    
        
     # 修改 _setOfWordsVec  文档词袋模型
     def _bagOfWords2VecMN ( self , vocabList , inputSet ):
         """
        功能：对每行词使用第二种统计策略，统计单个词的个数，然后映射到此库中
        输出：一个n维向量，n为词库的长度，每个取值为单词出现的次数
        """
        returnVec  =  [ 0 ]* len (vocabList )
         for word  in inputSet:
             if word  in vocabList:
                returnVec [vocabList. index (word ) ] + =  1  # 更新此处代码
         return returnVec
    
    
     def _trainNB ( self , trainMatrix , trainLabel ):
         """
        输入：训练矩阵和类别标签,格式为numpy矩阵格式
        功能：计算条件概率和类标签概率
        """
        numTrainDocs  =  len (trainMatrix )  #统计样本个数
        numWords  =  len (trainMatrix [ 0 ] )   #统计特征个数，理论上是词库的长度
        pNeg  =  sum (trainLabel )/ float (numTrainDocs )  #计算负样本出现的概率
        
        p0Num  = np. ones (numWords )  #初始样本个数为1，防止条件概率为0，影响结果     
        p1Num  = np. ones (numWords )  #作用同上
       
        p0InAll  =  2.0  #词库中只有两类，所以此处初始化为2(use laplace)
        p1InAll  =  2.0 
        
         # 再单个文档和整个词库中更新正负样本数据
         for i  in  range (numTrainDocs ):
             if trainLabel [i ]  ==  1:
                p1Num + = trainMatrix [i ]
                p1InAll + =  sum (trainMatrix [i ] )
             else:
                p0Num + = trainMatrix [i ]
                p0InAll + =  sum (trainMatrix [i ] )
        
         print p1InAll
         #计算给定类别的条件下，词汇表中单词出现的概率
         #然后取log对数，解决条件概率乘积下溢
        p0Vect  = np. log (p0Num/p0InAll )  #计算类标签为0时的其它属性发生的条件概率
        p1Vect  = np. log (p1Num/p1InAll )   #log函数默认以e为底  #p(ci|w=0)
         return p0Vect , p1Vect , pNeg
        
     def _classifyNB ( self , vecSample , p0Vec , p1Vec , pNeg ):
         """
        使用朴素贝叶斯进行分类,返回结果为0/1
        """
        prob_y0  =  sum (vecSample * p0Vec ) + np. log ( 1-pNeg )
        prob_y1  =  sum (vecSample * p1Vec ) + np. log (pNeg )  #log是以e为底
         if prob_y0  < prob_y1:
             return  1
         else:
             return  0

    
     # 测试NB算法
     def testingNB ( self , testSample ):
        listOPosts , listClasses  = loadDataSet ( )
        myVocabList  =  self._createVocabList (listOPosts )
#        print myVocabList
        trainMat = [ ]
         for postinDoc  in listOPosts:
            trainMat. append ( self._bagOfWords2VecMN (myVocabList , postinDoc ) )
        p0V ,p1V ,pAb  =  self._trainNB (np. array (trainMat ) , np. array (listClasses ) )
         print trainMat
        thisSample  = np. array ( self._bagOfWords2VecMN (myVocabList , testSample ) )
        result  =  self._classifyNB (thisSample , p0V , p1V , pAb )
         print testSample , 'classified as: ' , result
         return result


###############################################################################
def loadDataSet ( ):
        wordsList = [ [ 'my' ,  'dog' ,  'has' ,  'flea' ,  'problems' ,  'help' ,  'please' ] ,
                    [ 'maybe' ,  'not' ,  'take' ,  'him' ,  'to' ,  'dog' ,  'park' ,  'stupid' ] ,
                    [ 'my' ,  'dalmation' ,  'is' ,  'so' ,  'cute' ,  ' and' ,  'I' ,  'love' ,  'him' ] ,
                    [ 'stop' ,  'posting' ,  'stupid' ,  'worthless' ,  'garbage' ] ,
                    [ 'mr' ,  'licks' , 'ate' , 'my' ,  'steak' ,  'how' ,  'to' ,  'stop' ,  'him' ] ,
                    [ 'quit' ,  'buying' ,  'worthless' ,  'dog' ,  'food' ,  'stupid' ] ]
        classLable  =  [ 0 , 1 , 0 , 1 , 0 , 1 ]  # 0：good; 1:bad
         return wordsList , classLable
        
if __name__ == "__main__":    
    clf  = NaiveBayes ( )
    testEntry  =  [ [ 'love' ,  'my' ,  'girl' ,  'friend' ] ,
                  [ 'stupid' ,  'garbage' ] ,
                  [ 'Haha' ,  'I' ,  'really' ,  "Love" ,  "You" ] ,
                  [ 'This' ,  'is' ,  "my" ,  "dog" ] ]
    clf. testingNB (testEntry [ 0 ] )
#    for item in testEntry:
#        clf.testingNB(item)