本文實(shí)例講述了PHP實(shí)現(xiàn)機(jī)器學(xué)習(xí)之樸素貝葉斯算法。分享給大家供大家參考，具體如下：

機(jī)器學(xué)習(xí)已經(jīng)在我們的生活中變得隨處可見了。比如從你在家的時(shí)候溫控器開始工作到智能汽車以及我們口袋中的智能手機(jī)。機(jī)器學(xué)習(xí)看上去已經(jīng)無(wú)處不在并且是一個(gè)非常值得探索的領(lǐng)域。但是什么是機(jī)器學(xué)習(xí)呢？通常來(lái)說(shuō)，機(jī)器學(xué)習(xí)就是讓系統(tǒng)不斷的學(xué)習(xí)并且對(duì)新的問(wèn)題進(jìn)行預(yù)測(cè)。從簡(jiǎn)單的預(yù)測(cè)購(gòu)物商品到復(fù)雜的數(shù)字助理預(yù)測(cè)。

在這篇文章我將會(huì)使用樸素貝葉斯算法Clasifier作為一個(gè)類來(lái)介紹。這是一個(gè)簡(jiǎn)單易于實(shí)施的算法，并且可給出滿意的結(jié)果。但是這個(gè)算法是需要一點(diǎn)統(tǒng)計(jì)學(xué)的知識(shí)去理解的。在文章的最后部分你可以看到一些實(shí)例代碼，甚至自己去嘗試著自己做一下你的機(jī)器學(xué)習(xí)。

起步

那么，這個(gè)Classifier是要用來(lái)實(shí)現(xiàn)什么功能呢？其實(shí)它主要是用來(lái)判斷給定的語(yǔ)句是積極地還是消極的。比如，“Symfony is the best”是一個(gè)積極的語(yǔ)句，“No Symfony is bad”是一個(gè)消極的語(yǔ)句。所以在給定了一個(gè)語(yǔ)句之后，我想讓這個(gè)Classifier在我不給定一個(gè)新的規(guī)則的情況就返回一個(gè)語(yǔ)句類型。

我給Classifier命名了一個(gè)相同名稱的類，并且包含一個(gè)guess方法。這個(gè)方法接受一個(gè)語(yǔ)句的輸入，并且會(huì)返回這個(gè)語(yǔ)句是積極的還是消極的。這個(gè)類就像下面這樣：

class Classifier
{
 public function guess($statement)
 {}
}

我更喜歡使用枚舉類型的類而不是字符串作為我的返回值。我將這個(gè)枚舉類型的類命名為Type，并且包含兩個(gè)常量：一個(gè)POSITIVE,一個(gè)NEGATIVE。這兩個(gè)常量將會(huì)當(dāng)做guess方法的返回值。

class Type
{
 const POSITIVE = 'positive';
 const NEGATIVE = 'negative';
}

初始化工作已經(jīng)完成，接下來(lái)就是要編寫我們的算法進(jìn)行預(yù)測(cè)了。

樸素貝葉斯

樸素貝葉斯算法是基于一個(gè)訓(xùn)練集合工作的，根據(jù)這個(gè)訓(xùn)練集從而做出相應(yīng)的預(yù)測(cè)。這個(gè)算法運(yùn)用了簡(jiǎn)單的統(tǒng)計(jì)學(xué)以及一點(diǎn)數(shù)學(xué)去進(jìn)行結(jié)果的計(jì)算。比如像下面四個(gè)文本組成的訓(xùn)練集合：

如果給定語(yǔ)句是“Symfony is the best”，那么你可以說(shuō)這個(gè)語(yǔ)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(lái)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(yǔ)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(yǔ)統(tǒng)計(jì)，另一個(gè)數(shù)組包含每一個(gè)類型的語(yǔ)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(yǔ)統(tǒng)計(jì)
 }
 $this->documents[$type]++; // 增加類型的語(yǔ)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(yǔ)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(lái)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(lái)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(jiǎn)單的方法就是將給定的字符串中的單詞分離出來(lái)：

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(yǔ)句的類型，這個(gè)算法應(yīng)該計(jì)算所給定語(yǔ)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(yǔ)句的類型概率和給定類型語(yǔ)句概率除以語(yǔ)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(yǔ)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(yǔ)句中的每個(gè)詞添加一條鏈?zhǔn)揭?guī)則。所以在一條語(yǔ)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(shuō)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(yǔ)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(yǔ)

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(guò)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。

最新評(píng)論