朴素贝叶斯分类：使用案例

水深无声 2022-05-13 13:56 205阅读 0赞

# 1， 全概率公式： #

![在这里插入图片描述][70]  
![在这里插入图片描述][70 1]

# 2， 贝叶斯公式： #

![在这里插入图片描述][70 2]

# 3，朴素贝叶斯分类器： #

定义：

*  1，设 x= \{a1, a2, a3…, am \} 为一个待分类项，而每个a为x的一个特征属性。
 *  2，有类别集合：C =\{ y1, y2, y3 …, yn \}
 *  3，计算一个概率集合U ： P(y1|x), P(y2|x), P(y3|x)…P(yn|x)
 *  4，x最可能的类别 <==> 集合U中，概率的取最大值时，是类别集合C中的哪个？
 *

朴素贝叶斯分类器是一个概率分类器。假设现有的类别C=\{c1，c2，……cm\}。给定一篇文档d，文档d最有可能属于哪个类呢？这个问题用数学公式表示如下：

![在这里插入图片描述][70 3]  
由于每个概率值很小（比如0.0001）若干个很小的概率值直接相乘，  
得到的结果会越来越小。为了避免计算过程出现下溢(underflower)，  
引入对数函数Log， 最终得到：  
![在这里插入图片描述][70 4]

# 4，实现代码如下： #

List<String> reallist=new ArrayList<String>();//真实分类：  体育,娱乐，财经....
    List<String> pridlist=new ArrayList<String>();//预测的结果： 体育，财经，娱乐....
    
    for (Entry<String, List<String>> entry : nativeBayes.getFiles_test().entrySet()) {//取出： 待测数据
    		String realclassname = entry.getKey();
    		List<String> files = entry.getValue();
    		
    		for (String file : files) {//取出文件遍历： 一一计算它在各模型的分值(最大者最似然)
    			reallist.add(realclassname);
    			List<String> classnamelist=new ArrayList<String>();//实际的分类：体育，财经，娱乐....
    			List<Double> scorelist=new ArrayList<Double>();	   //测后的分值:-208, -691,-703
    			
    			for (Entry<String, Double> entry_1 : nativeBayes.getClassProb().entrySet()) {
    				String classname = entry_1.getKey();	  	
    				Double score = Math.log(entry_1.getValue());//先验概率：根据公式，计算分值权重
    				String[] words = file.split(" ");
    
    				for (String word : words) {		
    					if(nativeBayes.getClassFeaProb().get(classname).containsKey(word)){
    						score += Math.log(nativeBayes.getClassFeaProb().get(classname).get(word));
    					}else{
    						score += Math.log(nativeBayes.getClassDefaultProb().get(classname));
    					}
    				}
    
    				classnamelist.add(classname);
    				scorelist.add(score);
    
    			}//分类模型： 遍历end
    			Double maxProb = Collections.max(scorelist);
    			int idx = scorelist.indexOf(maxProb);
    			pridlist.add(classnamelist.get(idx));
    		}
    }

# 5，模型的测评 #

精确率，准确率，召回率

for (String classname : nativeBayes.getFiles_test().keySet()) {    	
    	double correctNum = 0.0;
    	double allNum = 0.0;//测试数据中，某个分类的文章总数
    	double preNum = 0.0;//测试数据中，预测为该分类的文章总数
    
    	for (int i = 0; i < reallist.size(); i++) {
    		if(reallist.get(i) == classname){
    			allNum += 1;
    			if(reallist.get(i) == pridlist.get(i)){
    				correctNum += 1;
    			}
    		}
    		if(pridlist.get(i) == classname){
    			preNum += 1;
    		}
    	}
    
        System.out.println(classname + " 精确率(跟预测分类比较):" + correctNum / preNum + " 召回率（跟真实分类比较）:" + correctNum / allNum);    
    }

[70]: /images/20220504/8430b299c94b4f25bf39765fc594812d.png
[70 1]: /images/20220504/1fa7b97b0e6041b48eb5b92f958d13a7.png
[70 2]: /images/20220504/d41068d7b16240838def4389344ec648.png
[70 3]: /images/20220504/e834210b7ec74d089d9cf74a730fb7e4.png
[70 4]: /images/20220504/1626041cc8934cc88e471c9a1533abfc.png