拉普拉斯平滑到Biopython

Question

我想为我的生物信息学项目添加拉普拉斯平滑支持Biopython的朴素贝叶斯代码1。

我已经阅读了许多关于朴素贝叶斯算法和拉普拉斯平滑的文档，我想我已经有了基本的想法，但我不能将它与该代码集成（实际上我看不到哪个部分会添加1 -laplacian数字） 。

我不熟悉Python，我是一个新手编码器。如果熟悉Biopython的人可以给我一些建议，我很感激。

Answer 1

尝试使用_contents()方法，而不是这样的定义：

def _contents(items, laplace=False): 
    # count occurrences of values 
    counts = {} 
    for item in items: 
     counts[item] = counts.get(item,0) + 1.0 
    # normalize 
    for k in counts: 
     if laplace: 
      counts[k] += 1.0 
      counts[k] /= (len(items)+len(counts)) 
     else: 
      counts[k] /= len(items) 
    return counts 

然后改变通话Line 194到：

# Estimate P(value|class,dim) 
nb.p_conditional[i][j] = _contents(values, True) 

使用True使平滑，并False禁用它。

下面是与输出的比较/未进行平滑化：

# without 
>>> carmodel.p_conditional 
[[{'Red': 0.40000000000000002, 'Yellow': 0.59999999999999998}, 
    {'SUV': 0.59999999999999998, 'Sports': 0.40000000000000002}, 
    {'Domestic': 0.59999999999999998, 'Imported': 0.40000000000000002}], 
[{'Red': 0.59999999999999998, 'Yellow': 0.40000000000000002}, 
    {'SUV': 0.20000000000000001, 'Sports': 0.80000000000000004}, 
    {'Domestic': 0.40000000000000002, 'Imported': 0.59999999999999998}]] 

# with 
>>> carmodel.p_conditional 
[[{'Red': 0.42857142857142855, 'Yellow': 0.5714285714285714}, 
    {'SUV': 0.5714285714285714, 'Sports': 0.42857142857142855}, 
    {'Domestic': 0.5714285714285714, 'Imported': 0.42857142857142855}], 
[{'Red': 0.5714285714285714, 'Yellow': 0.42857142857142855}, 
    {'SUV': 0.2857142857142857, 'Sports': 0.7142857142857143}, 
    {'Domestic': 0.42857142857142855, 'Imported': 0.5714285714285714}]] 

---

从上面

除此之外，我认为有可能与代码中的错误：

代码拆分根据他们的类，然后对每个类，然后给每个维度计算每个维度值出现的次数。

问题是如果对于属于一个类的实例子集，它并不是所有维度的值都出现在该子集中，那么当调用_contents()函数时，它不会看到所有可能的值，并且因此将返回错误的概率...

我认为您需要记录每个维度（来自整个数据集）的所有唯一值，并在计数过程中考虑这一点。