sklearn中的朴素贝叶斯模型及其应用

Posted 2021-01-21 gzcc-11-28

一、使用朴素贝叶斯模型对iris数据集进行花分类
尝试使用3种不同类型的朴素贝叶斯：高斯分布型、伯努利型、多项式型

#①高斯分布型
from sklearn import datasets
iris=datasets.load_iris()

from sklearn.naive_bayes import GaussianNB
gnb=GaussianNB()#构造建立模型
pred=gnb.fit(iris.data,iris.target)#模型训练，拟合
y_pred=gnb.predict(iris.data)#分类预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())

#②伯努利型
from sklearn import datasets
iris=datasets.load_iris()

from sklearn.naive_bayes import BernoulliNB
gnb=BernoulliNB()#构造
pred=gnb.fit(iris.data,iris.target)#模型训练，拟合
y_pred=gnb.predict(iris.data)#分类预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())

#③多项式型
from sklearn import datasets
iris=datasets.load_iris()

from sklearn.naive_bayes import MultinomialNB
gnb=MultinomialNB()#构造
pred=gnb.fit(iris.data,iris.target)#模型训练，拟合
y_pred=gnb.predict(iris.data)#分类预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())

二、使用sklearn.model_selection.cross_val_score()，对模型进行验证。

#①高斯分布型
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import cross_val_score
gnb=GaussianNB()
scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())

#②伯努利型
from sklearn.naive_bayes import BernoulliNB
from sklearn.model_selection import cross_val_score
gnb=BernoulliNB()
scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())

#③多项式型
from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import cross_val_score
gnb=MultinomialNB()
scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())

 

三、 垃圾邮件分类
数据准备：
用csv读取邮件数据，分解出邮件类别及邮件内容。
对邮件内容进行预处理：去掉长度小于3的词，去掉没有语义的词等
尝试使用nltk库：
pip install nltk
import nltk
nltk.download
不成功：就使用词频统计的处理方法
训练集和测试集数据划分
from sklearn.model_selection import train_test_split

 

import csv    #用csv读取邮件数据，分解出邮件类别及邮件内容
file_path = r‘C:UsersAdministratorDesktopSMSSpamCollectionjsn.txt‘
sms = open(file_path,‘r‘,encoding = ‘utf-8‘)
sms_data = []
sms_label = []
csv_reader = csv.reader(sms,delimiter=‘	‘)
for line in csv_reader:
    sms_label.append(line[0]) 
    sms_data.append(line[1])
sms.close()
sms_label
sms_data    


from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(sms_data,sms_label,test_size=0.3,random_state=0,stratify=sms_label) #训练集，测试集

from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer = TfidfVectorizer(min_df = 2,ngram_range=(1,2),stop_words=‘english‘,strip_accents=‘unicode‘,norm=‘l2‘)
x_train = vectorizer.fit_transform(x_train)
x_test = vectorizer.transform(x_test)