語句 | 類型 |
Symfony is the best | Positive |
PhpStorm is great | Positive |
Iltar complains a lot | Negative |
No Symfony is bad | Negative |
如果給定語句是“Symfony is the best”,那么你可以說這個(gè)語句是積極地。你平常也會(huì)根據(jù)之前學(xué)習(xí)到的相應(yīng)知識(shí)做出對(duì)應(yīng)的決定,樸素貝葉斯算法也是同樣的道理:它根據(jù)之前的訓(xùn)練集來決定哪一個(gè)類型更加相近。
學(xué)習(xí)
在這個(gè)算法正式工作之前,它需要大量的歷史信息作為訓(xùn)練集。它需要知道兩件事:每一個(gè)類型對(duì)應(yīng)的詞產(chǎn)生了多少次和每一個(gè)語句對(duì)應(yīng)的類型是什么。我們?cè)趯?shí)施的時(shí)候會(huì)將這兩種信息存儲(chǔ)在兩個(gè)數(shù)組當(dāng)中。一個(gè)數(shù)組包含每一類型的詞語統(tǒng)計(jì),另一個(gè)數(shù)組包含每一個(gè)類型的語句統(tǒng)計(jì)。所有的其他信息都可以從這兩個(gè)數(shù)組中聚合。代碼就像下面的一樣:
function learn($statement, $type) { $words = $this->getWords($statement); foreach ($words as $word) { if (!isset($this->words[$type][$word])) { $this->words[$type][$word] = 0; } $this->words[$type][$word]++; // 增加類型的詞語統(tǒng)計(jì) } $this->documents[$type]++; // 增加類型的語句統(tǒng)計(jì) }
有了這個(gè)集合以后,現(xiàn)在這個(gè)算法就可以根據(jù)歷史數(shù)據(jù)接受預(yù)測(cè)訓(xùn)練了。
定義
為了解釋這個(gè)算法是如何工作的,幾個(gè)定義是必要的。首先,讓我們定義一下輸入的語句是給定類型中的一個(gè)的概率。這個(gè)將會(huì)表示為P(Type)。它是以已知類型的數(shù)據(jù)的類型作為分子,還有整個(gè)訓(xùn)練集的數(shù)據(jù)數(shù)量作為分母來得出的。一個(gè)數(shù)據(jù)就是整個(gè)訓(xùn)練集中的一個(gè)。到現(xiàn)在為止,這個(gè)方法可以將會(huì)命名為totalP,像下面這樣:
function totalP($type) { return ($this->documents[$type] + 1) / (array_sum($this->documents) + 1); }
請(qǐng)注意,在這里分子和分母都加了1。這是為了避免分子和分母都為0的情況。
根據(jù)上面的訓(xùn)練集的例子,積極和消極的類型都會(huì)得出0.6的概率。每中類型的數(shù)據(jù)都是2個(gè),一共是4個(gè)數(shù)據(jù)所以就是(2+1)/(4+1)。
第二個(gè)要定義的是對(duì)于給定的一個(gè)詞是屬于哪個(gè)確定類型的概率。這個(gè)我們定義成P(word,Type)。首先我們要得到一個(gè)詞在訓(xùn)練集中給出確定類型出現(xiàn)的次數(shù),然后用這個(gè)結(jié)果來除以整個(gè)給定類型數(shù)據(jù)的詞數(shù)。這個(gè)方法我們定義為p:
function p($word, $type) { $count = isset($this->words[$type][$word]) ? $this->words[$type][$word] : 0; return ($count + 1) / (array_sum($this->words[$type]) + 1); }
在本次的訓(xùn)練集中,“is”的是積極類型的概率為0.375。這個(gè)詞在整個(gè)積極的數(shù)據(jù)中的7個(gè)詞中占了兩次,所以結(jié)果就是(2+1)/(7+1)。
最后,這個(gè)算法應(yīng)該只關(guān)心關(guān)鍵詞而忽略其他的因素。一個(gè)簡單的方法就是將給定的字符串中的單詞分離出來:
function getWords($string) { return preg_split('/\s+/', preg_replace('/[^A-Za-z0-9\s]/', '', strtolower($string))); }
準(zhǔn)備工作都做好了,開始真正實(shí)施我們的計(jì)劃吧!
預(yù)測(cè)
為了預(yù)測(cè)語句的類型,這個(gè)算法應(yīng)該計(jì)算所給定語句的兩個(gè)類型的概率。像上面一樣,我們定義一個(gè)P(Type,sentence)。得出概率高的類型將會(huì)是Classifier類中算法返回的結(jié)果。
為了計(jì)算P(Type,sentence),算法當(dāng)中將用到貝葉斯定理。算法像這樣被定義:P(Type,sentence)= P(Type)* P(sentence,Type)/ P(sentence)。這意味著給定語句的類型概率和給定類型語句概率除以語句的概率的結(jié)果是相同的。
那么算法在計(jì)算每一個(gè)相同語句的P(Tyoe,sentence),P(sentence)是保持一樣的。這意味著算法就可以省略其他因素,我們只需要關(guān)心最高的概率而不是實(shí)際的值。計(jì)算就像這樣:P(Type,sentence) = P(Type)* P(sentence,Type)。
最后,為了計(jì)算P(sentence,Type),我們可以為語句中的每個(gè)詞添加一條鏈?zhǔn)揭?guī)則。所以在一條語句中如果有n個(gè)詞的話,它將會(huì)和P(word_1,Type)* P(word_2,Type)* P(word_3,Type)* .....*P(word_n,Type)是一樣的。每一個(gè)詞計(jì)算結(jié)果的概率使用了我們前面看到的定義。
好了,所有的都說完了,是時(shí)候在php中實(shí)際操作一下了:
function guess($statement) { $words = $this->getWords($statement); // 得到單詞 $best_likelihood = 0; $best_type = null; foreach ($this->types as $type) { $likelihood = $this->pTotal($type); //計(jì)算 P(Type) foreach ($words as $word) { $likelihood *= $this->p($word, $type); // 計(jì)算 P(word, Type) } if ($likelihood > $best_likelihood) { $best_likelihood = $likelihood; $best_type = $type; } } return $best_type; }
這就是所有的工作,現(xiàn)在算法可以預(yù)測(cè)語句的類型了。你要做的就是讓你的算法開始學(xué)習(xí):
$classifier = new Classifier(); $classifier->learn('Symfony is the best', Type::POSITIVE); $classifier->learn('PhpStorm is great', Type::POSITIVE); $classifier->learn('Iltar complains a lot', Type::NEGATIVE); $classifier->learn('No Symfony is bad', Type::NEGATIVE); var_dump($classifier->guess('Symfony is great')); // string(8) "positive" var_dump($classifier->guess('I complain a lot')); // string(8) "negative"
所有的代碼我已經(jīng)上傳到了GIT上,https://github.com/yannickl88/blog-articles/blob/master/src/machine-learning-naive-bayes/Classifier.php
github上完整php代碼如下:
?php class Type { const POSITIVE = 'positive'; const NEGATIVE = 'negative'; } class Classifier { private $types = [Type::POSITIVE, Type::NEGATIVE]; private $words = [Type::POSITIVE => [], Type::NEGATIVE => []]; private $documents = [Type::POSITIVE => 0, Type::NEGATIVE => 0]; public function guess($statement) { $words = $this->getWords($statement); // get the words $best_likelihood = 0; $best_type = null; foreach ($this->types as $type) { $likelihood = $this->pTotal($type); // calculate P(Type) foreach ($words as $word) { $likelihood *= $this->p($word, $type); // calculate P(word, Type) } if ($likelihood > $best_likelihood) { $best_likelihood = $likelihood; $best_type = $type; } } return $best_type; } public function learn($statement, $type) { $words = $this->getWords($statement); foreach ($words as $word) { if (!isset($this->words[$type][$word])) { $this->words[$type][$word] = 0; } $this->words[$type][$word]++; // increment the word count for the type } $this->documents[$type]++; // increment the document count for the type } public function p($word, $type) { $count = 0; if (isset($this->words[$type][$word])) { $count = $this->words[$type][$word]; } return ($count + 1) / (array_sum($this->words[$type]) + 1); } public function pTotal($type) { return ($this->documents[$type] + 1) / (array_sum($this->documents) + 1); } public function getWords($string) { return preg_split('/\s+/', preg_replace('/[^A-Za-z0-9\s]/', '', strtolower($string))); } } $classifier = new Classifier(); $classifier->learn('Symfony is the best', Type::POSITIVE); $classifier->learn('PhpStorm is great', Type::POSITIVE); $classifier->learn('Iltar complains a lot', Type::NEGATIVE); $classifier->learn('No Symfony is bad', Type::NEGATIVE); var_dump($classifier->guess('Symfony is great')); // string(8) "positive" var_dump($classifier->guess('I complain a lot')); // string(8) "negative"
結(jié)束語
盡管我們只進(jìn)行了很少的訓(xùn)練,但是算法還是應(yīng)該能給出相對(duì)精確的結(jié)果。在真實(shí)環(huán)境,你可以讓機(jī)器學(xué)習(xí)成百上千的記錄,這樣就可以給出更精準(zhǔn)的結(jié)果。你可以下載查看這篇文章(英文):樸素貝葉斯已經(jīng)被證明可以給出情緒統(tǒng)計(jì)的結(jié)果。
而且,樸素貝葉斯不僅僅可以運(yùn)用到文本類的應(yīng)用。希望通過這篇文章可以拉近你和機(jī)器學(xué)習(xí)的一點(diǎn)點(diǎn)距離。
原文地址:https://stovepipe.systems/post/machine-learning-naive-bayes
更多關(guān)于PHP相關(guān)內(nèi)容感興趣的讀者可查看本站專題:《PHP數(shù)據(jù)結(jié)構(gòu)與算法教程》、《php程序設(shè)計(jì)算法總結(jié)》、《php字符串(string)用法總結(jié)》、《PHP數(shù)組(Array)操作技巧大全》、《PHP常用遍歷算法與技巧總結(jié)》及《PHP數(shù)學(xué)運(yùn)算技巧總結(jié)》
希望本文所述對(duì)大家PHP程序設(shè)計(jì)有所幫助。
標(biāo)簽:六安 迪慶 樂山 定西 十堰 海南 佛山 南寧
巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《PHP實(shí)現(xiàn)機(jī)器學(xué)習(xí)之樸素貝葉斯算法詳解》,本文關(guān)鍵詞 PHP,實(shí)現(xiàn),機(jī)器,學(xué),習(xí)之,樸素,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。