贝叶斯分类器

基本概念和公式

• 贝叶斯公式
  
  p（c）是类“先验概率”，p(x|c)是样本x相对于类标记c的类条件概率，p(x)是用于归一化的“证据因子”
• 朴素贝叶斯分类器
  采用了属性条件独立性假设，对已知类别，假设所有属性相互独立。
  公式改写为：
  
  由于对所有类捏来说，p(x)相同，因此上式可表示为：
  
  为了避免某些属性在训练集中未出现，抹掉其它属性。采取拉普拉斯修正：
  
• 半朴素贝叶斯分类器
  适当考虑一部分属性间的相互依赖信息，从而既不需要完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系。半朴素贝叶斯分类器的一种，独依赖关系(ODE)，假设每个属性在类别之外最多仅依赖一个其它属性。
  
  pai为属性xi所依赖的属性，即父属性
  三种独依赖关系分类器：SPODE、TAN、AODE
• 贝叶斯网
  1.属性的联合概率分布为：
  
  贝叶斯网中三个变量之间的典型依赖关系：同父结构，V型结构，顺序结构。其中V型结构具有边界独立性。
  道德图略
  2.学习
  贝叶斯网B=<G,Θ>在D上的评分函数:
  s(B|D)=f(θ)|B| - LL(B|D)
  (|B|表示贝叶斯网的参数个数，f(θ)表示描述每个参数θ所需的字节数，其中第二项可表示为：）
  
  f(θ)=1时，得到AIC评分函数：AIC(B|D)=|B|-LL(B|D)
  f(θ)=1/2logm时，得到BIC评分函数：BIC(B|C)=1/2logm*|B|_LL(B|D)
  推断略
• EM算法略

算法实现（文档实现案例）

• 基本文本数据处理

#创建用来训练模型的数据集
def LoadDataSet():
    post_list = [
        ['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'],
        ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', 'stupid'],
        ['my', 'dalmation', 'is', 'so', 'cute', 'I', 'love', 'him'],
        ['stop', 'posting', 'stupid', 'worthless', 'garbage'],
        ['mr', 'licks', 'ate', 'my', 'steak', 'how', 'to', 'stop', 'him'],
        ['quit', 'buying', 'worthless', 'dog', 'food', 'stupid']
    ]
    class_vect = [0, 1, 0, 1, 0, 1]
    return post_list, class_vect


#去除给定文本中重复出现的词，返回文本词汇
def Unique(dataset):
    text = dataset
    vocal_list =set([])
    for centence in text:
        vocal_list = vocal_list | set(centence)   #利用set将句子拆分成一个个单词，且去重
    return list(vocal_list)


#给定一个句子，查询其词是否出现在词典中，出现为1 ，不出现为0,返回的是一个向量
def CheckVect (vocab, dataset):
    vect = [0]*len(vocab)
    for data in dataset:
        if data in vocab:
            vect[vocab.index(data)] = 1
    return vect

• 朴素贝叶斯分类器训练函数

from numpy import *


def classifyNB0(trainMatrix, trainLabels):
    numSentence = len(trainLabels)
    lenVect = len(trainMatrix[0])
    temp = sum(trainLabels)
    pa = temp/float(numSentence)
    nv0 =ones(lenVect); nv1=ones(lenVect)
    s0 = 2.0; s1 = 2.0
    for i in range(numSentence):
        if trainLabels[i] == 0:
            nv0 += trainMatrix[i]
            s0 += sum(trainMatrix[i])
        else:
            nv1 += trainMatrix[i]
            s1 += sum(trainMatrix[i])
    p0 = exp(nv0/s0); p1 = exp(nv1/s1)
    return p0, p1, pa

• 朴素贝叶斯分类函数

from numpy import *


def classify(vec2Classify, p0, p1, pa):
    p00 =sum(vec2Classify*p0) + exp(pa)
    p11 = sum(vec2Classify*p1) + exp(pa)
    if p00>p11:
        return 0
    else:
        return 1

优缺点分析

• 优点
  在数据较少的情况下仍然有效，可以处理多类别问题
• 缺点
  对输入数据的准备方式较为敏感