IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 朴素贝叶斯预测是否为垃圾短信 -> 正文阅读

[人工智能]朴素贝叶斯预测是否为垃圾短信

朴素贝叶斯预测是否为垃圾短信

目的

1.利用朴素贝叶斯分类器判断短信(数据集已给)是否为垃圾短信;
2.可参考给定的文本分类代码;不可以直接调用sklearn的方法;

数据集

经典的SMSSpamCollection.txt数据集,百度云数据集点击这里,提取码2333
其中spam表示垃圾短信,ham表示非垃圾短信
在这里插入图片描述

源代码

import re
import math
from sklearn import model_selection

def load_data():
    with open('SMSS.txt', 'r', encoding='utf-8') as fr:
        content = fr.readlines()
    x = list()
    y = list()
    label = '\t'
    for line in content:
        result = line.split(label, maxsplit=2)
        x.append(clean_data(result[1]))
        y.append(1 if result[0]=='spam' else 0)
    return x, y

def clean_data(origin_info):
        temp_info = re.sub('\W', ' ', origin_info.lower())
        words = re.split(r'\s+', temp_info)
        return list(filter(lambda x: len(x) >= 3, words))

def build_word_set(x_train, y_train,x_test):
    #短信数量
    ham_count = 0
    spam_count = 0  
    #单词数量
    ham_words_count = 0  
    spam_words_count = 0 
    #单词列表
    ham_words = list()  
    spam_words = list() 
    #所有不同单词数
    word_dictionary_set = set()
    word_dictionary_size = 0

    for words, y in zip(x_train, y_train):
        if y == 0:
            ham_count += 1
            ham_words_count += len(words)
            for word in words:
                ham_words.append(word)
                word_dictionary_set.add(word)
        if y == 1:
            spam_count += 1
            spam_words_count += len(words)
            for word in words:
                spam_words.append(word)
                word_dictionary_set.add(word)
    word_dictionary_size = len(word_dictionary_set)

    #词频字典
    ham_map = dict() 
    spam_map = dict()

    for word in ham_words:
        ham_map[word] = ham_map.setdefault(word, 0) + 1

    for word in spam_words:
        spam_map[word] = spam_map.setdefault(word, 0) + 1
    
    #先验概率
    ham_probability = 0
    spam_probability = 0
    ham_probability = ham_count / (ham_count + spam_count)
    spam_probability = spam_count / (ham_count + spam_count)

    #朴素贝叶斯
    ham_pro = 0
    spam_pro = 0
    for word in x_test:
        ham_pro += math.log(
            (ham_map.get(word, 0) + 1) / (ham_count + word_dictionary_size))
        spam_pro += math.log(
            (spam_map.get(word, 0) + 1) / (spam_count + word_dictionary_size))

    ham_pro += math.log(ham_probability)
    spam_pro += math.log(spam_probability)

    print('垃圾短信概率:', spam_pro)
    print('非垃圾短信概率:', ham_pro)
    if spam_pro >= ham_pro:
        return '垃圾短信'
    else:
        return '非垃圾短信'
    
if __name__ == '__main__':
    x,y = load_data()
    x_train, x_test, y_train, y_test = model_selection.train_test_split(x, 
        y, test_size=0.2)

    text=x_test[0]
    print(text)
    result = build_word_set(x_train, y_train,text)
    print(result)

    

结果

随机输出一条测试集中的短信,判断该短信是否为垃圾短信
在这里插入图片描述

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-10-25 12:32:33  更:2021-10-25 12:33:34 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年5日历 -2024/5/4 12:54:49-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码