码迷,mamicode.com
首页 > 编程语言 > 详细

41、Learning for python,入门

时间:2016-11-22 23:43:21      阅读:300      评论:0      收藏:0      [点我收藏+]

标签:else   style   problem   单词   ble   函数   ati   就会   dex   

1、贝叶斯分类算法(从文本中构建词向量)

向量的构建过程如下所示
def loadDataSet():
    postingList = [[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]]
    
    classVec = [0,1,0,1,0,1]  #1代表侮辱性文字,0,代表正常言论
    return postingList,classVec
    
def createVocabList(dataSet):
    vocabSet = set([])
    for document in dataSet:
        vocabSet = vocabSet | set(document)
    return list(vocabSet)
            
def setOfWords2Vec(vocabList,inputSet):
    returnVec = [0]*len(vocabList)
    for word in inputSet:
        if word in vocabList:
            returnVec[vocabList.index(word)] = 1 
        else:print ("the word: %s is not in my Vocabulary") % word
    return returnVec
在cmd的doc命令行中调用的python命令如下所示
import bayes
listOPosts,listClasses = bayes.loadDataSet()
myVocabList = bayes.createVocabList(listOPosts)
myVocabList
程序运行的结果如下所示

技术分享

检查上述词表,就会发现这里不会出现重复的单词。目前该词表还没有排序,需要的话,稍后可以对其排序。

下面看一下函数setOfWords2Vec()的运行效果

技术分享

 

技术分享

该函数使用词汇表或者想要检查的所有单词作为输入,然后为其中的每一个单词构建一个特征。

一旦给定一篇文档(斑点犬网站上的一条留言),该文档就会被转换为词向量。接下来检查一下函数的有效性。myVocabList中

索引为2的元素是什么单词?,应该是单词help。该单词在第一篇文档中出现,现在检查一下看看它是否出现在第四篇文档中。

 

41、Learning for python,入门

标签:else   style   problem   单词   ble   函数   ati   就会   dex   

原文地址:http://www.cnblogs.com/weizhen/p/6091430.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!