老實來講這課我一頭霧水滿腦袋問號

import numpy as np
from collections import Counter

counttime = 0  

#統計訓練語料:spam 和 ham 各自評論總數，單詞頻率
def seperate(filename):
    hamcnt = Counter() #ham 評論統計字典
    spamcnt = Counter() #spam 評論統計字典
    totalNum = 0 # 郵件的總數
    hamNum = 0 # ham 評論數
    spamNum = 0 # spam 評論數
    global counttime #!!!
    i = 0
    file = open(filename, encoding='gb18030', errors='ignore')
    for line in file: #逐行處理
        i = i + 1
        new = line.split() # 一行郵件，以 ham/spam 標記分開 #預設為所有的空字元，包括空格、換行(\n)、製表符(\t)等。分割次數。預設為 -1, 即分隔所有。
        totalNum = totalNum + 1
        if new[0]=='1': # ham 好的評論數
            hamNum = hamNum + 1
            for word in new[1:]:
                hamcnt[word] += 1 #ham 中詞頻計數
        if new[0]=='0': # spam 評論數
            spamNum = spamNum + 1
            for word in new[1:]:
                spamcnt[word] += 1 #spam 詞頻計數
    if  counttime == 0 :
        print('訓練樣本的總行數：%s' % i)
        print('ham 樣本：%s' % hamNum)
        print('spam 樣本：%s' % spamNum)
        counttime += 1
    return hamcnt, spamcnt, totalNum, hamNum, spamNum


def train(filename, preData):
    hamcnt, spamcnt, totalNum, hamNum, spamNum = seperate(filename) #統計 spam/ham 詞典
    # 計算 spam/ham 各自總詞數
    wordNumerOfham = 0
    for key in hamcnt:
        wordNumerOfham += hamcnt[key]
    wordNumerOfspam = 0
    for key in spamcnt:
        wordNumerOfspam += spamcnt[key]

    # 計算概率 p(spam|total),p(ham|total)
    p1_spam = spamNum / totalNum #ham 先驗概率
    p1_ham = hamNum / totalNum #spam 先驗概率
    hamProbablity = 1
    spamProbability = 1
    

    # 針對測試文字文字計算條件概率
    newPreData = preData.split()
    for word in newPreData: #計算測試語料中每個詞的條件概率
        try: #加 1 平滑
            hamProbablity = hamProbablity * (hamcnt[word] + 1) / (wordNumerOfham + len(hamcnt))
        except: # 文字中沒有該單詞
            hamProbablity = hamProbablity * 1 / (wordNumerOfham + len(hamcnt))
    res1 = hamProbablity * p1_ham #為 ham 類的概率：先驗*條件

    for word in newPreData:
        try:
            spamProbability = spamProbability * (spamcnt[word] + 1) / (wordNumerOfspam + len(spamcnt))
        except:
            spamProbability = spamProbability * (1) / (wordNumerOfspam + len(spamcnt))
    res2 = spamProbability * p1_spam #為 spam 類的概率：先驗*條件

    if res1 == res2:
        print('res1', res1, 'res2', res2)

    if res1 > res2:
        print('好的評論!', 'ham概率:',res1, '     spam概率:', res2)
        return 0
    else:
        print('糟糕評論!', 'ham概率:',res1, '     spam概率:', res2)
        return 1

filename = 'kaggle_training.txt' #訓練語料
for line in open("kaggle_test.txt", encoding='gb18030', errors='ignore'):
    #print(line)
    #line = line.encode()
    res = train(filename, line)
    #print("RES: "+str(res))

 

不管別的

1. 如何讓部分程式碼只執行一次 counttime在函式外宣告一次 在函式內用global表示一下 https://www.cnblogs.com/fendou-999/p/3822028.html
2. byte string：https://blog.csdn.net/lqzdreamer/article/details/76549256 split：這個地方跟給的區別https://blog.csdn.net/weixin_40283816/article/details/83591582
   （忘記我改的啥了 最後看到上面有對應的操作：encoding='gb18030', errors='ignore'）
3. 想讓列印輸出的那堆有固定的格式，於是：
   https://blog.csdn.net/liuweiyuxiang/article/details/100574386 但是都不可以 因為都四捨五入全成0了