拉普拉斯平滑到Biopython

Question

我想爲我的生物信息學項目添加拉普拉斯平滑支持Biopython的樸素貝葉斯代碼1。

我已經閱讀了許多關於樸素貝葉斯算法和拉普拉斯平滑的文檔，我想我已經有了基本的想法，但我不能將它與該代碼集成（實際上我看不到哪個部分會添加1 -laplacian數字） 。

我不熟悉Python，我是一個新手編碼器。如果熟悉Biopython的人可以給我一些建議，我很感激。

Answer 1

嘗試使用_contents()方法，而不是這樣的定義：

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 

然後改變通話Line 194到：

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

使用True使平滑，並False禁用它。

下面是與輸出的比較/未進行平滑化：

# 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}]] 

---

從上面

除此之外，我認爲有可能與代碼中的錯誤：

代碼拆分根據他們的類，然後對每個類，然後給每個維度計算每個維度值出現的次數。

問題是如果對於屬於一個類的實例子集，它並不是所有維度的值都出現在該子集中，那麼當調用_contents()函數時，它不會看到所有可能的值，並且因此將返回錯誤的概率...

我認爲您需要記錄每個維度（來自整個數據集）的所有唯一值，並在計數過程中考慮這一點。