python 基础:
中间还有pickle二进制读取文件部分的error这个可以参见：机器学习实战初识决策树（ID3）算法理解其python代码（二）的第四部分
append: Appends object at end.：
x = [1, 2, 3] x.append([4, 5]) print (x) [1, 2, 3, [4, 5]]
extend: Extends list by appending elements from the iterable.：
x = [1, 2, 3] x.extend([4, 5]) print (x) [1, 2, 3, 4, 5]
测试算法：
import random import re from numpy import array import LoadData import bayes def textParse(bigString):#接收大字符串，解析处理后返回字符串列表（去掉少于两个字符的字符串，并将所有字符串转换为小写） listOfTokens = re.compile('\\W*') listOfTokens = listOfTokens.split(bigString)#compile()split(r'\W*',bigString)#正则表达式re模块，详见之前的文章 return [tok.lower() for tok in listOfTokens if len(tok)>0]#列表解析 '''这里出现错误最多的也还是Py2.x和Py3.x的不同导致的问题''' def spamTest(): docList = [] classList = [] fullText = [] #读取25*2个文本 for i in range(1,26): wordList = textParse(open('email/spam/%d.txt' % i,'rb').read().decode('GBK','ignore') )#1，UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 199: illegal multibyte sequence #加上后面的后綴，因为有可能文件中存在类似“�”非法字符。 docList.append(wordList) fullText.extend(wordList) classList.append(1) wordList = textParse(open('email/ham/%d.txt' % i,'rb').read().decode('GBK','ignore') )#UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 199: illegal multibyte sequence #这里还是Pickle的二进制问题，所以要加上‘rb’，其他nicodeDecodeError同上 #注意append和extend的区别 docList.append(wordList) fullText.extend(wordList) classList.append(0) vocabList = LoadData.createVocabList(docList)#得到参考用的词典 #随机构建训练集 trainingSet = list(range(50)) testSet = [] for i in range(10):#得到随机测试集 randIndex = int(random.uniform(0,len(trainingSet))) testSet.append(trainingSet[randIndex]) del(trainingSet[randIndex])#TypeError: 'range' object doesn't support item deletion，因为是python3中range不返回数组对象，而是返回range对象，所以trainingSet = list(range(50))而不是range(50) trainMat = [];trainClasses = [] for docIndex in trainingSet: trainMat.append(LoadData.setOfWords2Vec(vocabList,docList[docIndex])) trainClasses.append(classList[docIndex]) p0V,p1V,pSpam = bayes.trainNB0(array(trainMat),array(trainClasses))#计算相应的概率 errorCount = 0 for docIndex in testSet: wordVector = LoadData.setOfWords2Vec(vocabList,docList[docIndex]) if bayes.classifyNB(array(wordVector),p0V,p1V,pSpam) != classList[docIndex]:#判断文本的类别 errorCount+=1 print('the error rate is :',float(errorCount)/len(testSet))
AIEarth是一个由众多领域内专家博主共同打造的学术平台，旨在建设一个拥抱智慧未来的学术殿堂！【平台地址：https://devpress.csdn.net/aiearth】 很高兴认识你！加入我们共同进步！
