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]]