day12-贝叶斯

今天学习了有关贝叶斯分类器的基本知识

朴素贝叶斯分类器的基本原理

例：用sklearn中的朴素贝叶斯库函数做分类

代码如下：

import numpy as np
#导入高斯朴素贝叶斯
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score

x = np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]])
y = np.array([1,1,1,2,2,2])

clf =GaussianNB()
clf.fit(x,y)
GaussianNB(priors = None)
print(clf.predict([[-0.8,-1]]))

输出：[1]

例：用贝叶斯做拼写检查

代码如下：

import re
import collections
alphabet = 'abcdefghijklmnopqrstuvwxyz'
# 把语料中的单词全部抽取出来, 转成小写, 并且去除单词中间的特殊符号
def words(text): return re.findall('[a-z]+', text.lower()) 
# 返回词频 
def train(features):
    model = collections.defaultdict(lambda: 1)#给没有出现但要返回的词默认lambda: 1
    for f in features:
        model[f] += 1
    return model 
NWORDS = train(words(open('./data/big.txt').read()))#字典格式{单词：单词频率}
#返回所有与单词 w 编辑距离为 1 的集合
def edits1(word):
    n = len(word)
    return set([word[0:i]+word[i+1:] for i in range(n)] +                     # 删除
               [word[0:i]+word[i+1]+word[i]+word[i+2:] for i in range(n-1)] + # 交换
               [word[0:i]+c+word[i+1:] for i in range(n) for c in alphabet] + # 替换
               [word[0:i]+c+word[i:] for i in range(n+1) for c in alphabet])  # 插入

#返回所有与单词 w 编辑距离为 2 的集合
#在这些编辑距离小于2的词中间, 只把那些正确的词作为候选词
def edits2(word):
    return set(e2 for e1 in edits1(word) for e2 in edits1(e1))
def known(words): return set(w for w in words if w in NWORDS)
#如果known(set)非空, candidate 就会选取这个集合, 而不继续计算后面的
def correct(word):
    candidates = known([word]) or known(edits1(word)) or known_edits2(word) or [word]
    return max(candidates, key=lambda w: NWORDS[w])
correct('laste')

输出：last

例：用贝叶斯算法做新闻分类。

算法涉及：1、用jieba分词器；2、TF_IDF提取关键字；3、LDA主题模型；4、使用贝叶斯进行分类。
代码链接如下：使用贝叶斯做新闻分类