怎么考法醫(yī)？這是許多對法醫(yī)學感興趣的人常常問到的問題。法醫(yī)學是一門研究法律與醫(yī)學交叉領(lǐng)域的學科，對于犯罪偵查與司法審判起著重要的作用。成為一名法醫(yī)需要具備嚴密的專業(yè)知識和技能，接下來我們將一步步介紹如何考取法醫(yī)資格。
1. 學術(shù)背景要求：
想要成為一名法醫(yī)，首先需要具備相關(guān)的學術(shù)背景。在中國，考取法醫(yī)資格需要擁有醫(yī)學或法學相關(guān)專業(yè)的學士學位。常見的專業(yè)包括臨床醫(yī)學、法學、生物醫(yī)學等。在大學期間，你需要學習相關(guān)的基礎課程，如解剖學、病理學、法律概論等。
2. 通過法醫(yī)考試：
考取法醫(yī)資格的第一步是通過國家的法醫(yī)考試。該考試由司法部主管，每年定期舉行?？荚噧?nèi)容主要包括法醫(yī)學基礎理論、法醫(yī)學實踐技能、法律法規(guī)等。備考期間，你可以參加各類法醫(yī)學習班，閱讀相關(guān)教材和學術(shù)論文，進行模擬考試以提高應試能力。
3. 實習和培訓：
在通過法醫(yī)考試后，你需要進行實習和培訓。許多大學和科研機構(gòu)都設有法醫(yī)實習項目，可提供實踐機會。在實習期間，你將親身參與病理解剖、法醫(yī)技術(shù)鑒定等工作，并與資深法醫(yī)共同合作。這一階段的經(jīng)驗對于日后的職業(yè)發(fā)展至關(guān)重要。
4. 持續(xù)學習和專業(yè)發(fā)展：
法醫(yī)學是一個不斷發(fā)展和更新的領(lǐng)域，因此持續(xù)學習和專業(yè)發(fā)展是非常重要的。作為一名法醫(yī)，你應該不斷閱讀最新的研究成果，參加學術(shù)會議和培訓課程，加強自己的專業(yè)素養(yǎng)。此外，你還可以通過發(fā)表學術(shù)論文、參與科研項目等方式提升自己的學術(shù)聲譽和影響力。
5. 職業(yè)發(fā)展：
成為一名法醫(yī)后，你可以選擇在各類單位從事相關(guān)工作。法醫(yī)可以在法院、公安機關(guān)、檢察院等司法機構(gòu)工作，協(xié)助犯罪偵查和司法審判。此外，一些大醫(yī)院或科研機構(gòu)也設有法醫(yī)科，從事病理診斷和法醫(yī)技術(shù)鑒定。同時，你還可以選擇從事法醫(yī)學教育和研究工作，培養(yǎng)更多的法醫(yī)人才。
總而言之，成為一名法醫(yī)需要具備專業(yè)的學術(shù)背景、通過法醫(yī)考試，進行實習和培訓，并不斷進行學習和專業(yè)發(fā)展。如果你對法醫(yī)學感興趣，不妨從現(xiàn)在開始做好準備，追尋你的法醫(yī)夢想吧！
法醫(yī)是從事司法鑒定工作的專業(yè)人士，承擔著對尸體進行解剖、分析和鑒定的重要責任。法醫(yī)職業(yè)要求高度的專業(yè)知識和技能，因此，成為一名合格的法醫(yī)需要通過一系列的考試來驗證自己的能力。
那么，法醫(yī)怎么考？本文將為您深入介紹法醫(yī)考試的流程和要點。
法醫(yī)考試根據(jù)不同的國家和地區(qū)有所差異，主要分為兩類：學術(shù)考試和職業(yè)資格考試。
學術(shù)考試是指在大學階段深入學習法醫(yī)學知識，并通過考試取得相應的學術(shù)證書，如法醫(yī)學士、碩士或博士學位。這類考試主要考察學生對法醫(yī)學理論和實踐的掌握程度，包括解剖學、病理學、法醫(yī)毒理學等專業(yè)知識。
職業(yè)資格考試是指已經(jīng)獲得相關(guān)法醫(yī)學學位的人士，通過參加司法鑒定機構(gòu)組織的考試，取得法醫(yī)鑒定專業(yè)技術(shù)資格證書。這類考試主要考察候選人在法醫(yī)實踐中的能力，包括現(xiàn)場勘查、尸體解剖、臨床執(zhí)業(yè)等技術(shù)技能。
學術(shù)考試是法醫(yī)學生必須經(jīng)過的階段，其內(nèi)容和要求因不同學校和國家而異。一般來說，學術(shù)考試涵蓋以下幾個方面的知識和技能：
此外，學術(shù)考試通常還包括課程學習、實驗報告和學術(shù)論文的評估，以檢驗學生的綜合能力和研究水平。
已經(jīng)取得法醫(yī)學學位的人士可以參加職業(yè)資格考試，以獲得法醫(yī)鑒定專業(yè)技術(shù)資格證書。
職業(yè)資格考試的流程主要包括以下幾個步驟：
職業(yè)資格考試的重點在于實踐操作能力和專業(yè)素養(yǎng)的評估，因此，考生在備考時應注重實踐訓練，熟悉法醫(yī)鑒定工作的各個環(huán)節(jié)和操作流程，加強自身的綜合能力。
要想在法醫(yī)考試中取得好成績，考生需要合理安排備考時間，并掌握一些備考技巧。
以下是提高備考效果的幾個方法：
通過科學有效的備考方法，考生可以提高備考效果，更好地應對法醫(yī)考試的挑戰(zhàn)。
法醫(yī)是一門充滿挑戰(zhàn)和責任的職業(yè)，成為一名合格的法醫(yī)需要通過較為嚴格的考試流程。本文介紹了法醫(yī)考試的分類、學術(shù)考試的內(nèi)容和要求，以及職業(yè)資格考試的流程和備考方法。
希望通過對法醫(yī)考試的深入了解，考生能夠更好地規(guī)劃自己的備考策略，并取得優(yōu)異的成績。祝愿所有有志于從事法醫(yī)工作的人們，在未來的考試中取得好成績，成為優(yōu)秀的法醫(yī)專業(yè)人士！
法醫(yī)是一項重要的職業(yè)，他們通過科學的方法對犯罪現(xiàn)場進行調(diào)查和研究，為司法程序提供證據(jù)和支持。如果你對法醫(yī)學感興趣，并想知道如何報考成為一名法醫(yī)，本文將為你提供詳細的指南。
首先，讓我們先來了解一下法醫(yī)學。法醫(yī)學是一門交叉學科，結(jié)合了醫(yī)學、生物學、法律學和化學等多個學科的知識。它的主要任務是通過對尸體、病理標本和物證的檢驗和分析，揭示死亡的原因、犯罪的手段和證據(jù)的真實性。
成為一名法醫(yī)需要具備一定的學術(shù)基礎。通常來說，你需要完成本科醫(yī)學、生物學、化學或相關(guān)領(lǐng)域的學位。這些專業(yè)將為你奠定深入理解法醫(yī)學所需的基礎知識。
在獲得相關(guān)學位后，你需要接受專業(yè)的法醫(yī)培訓。這包括參加法醫(yī)學的研究生課程或法醫(yī)學專業(yè)碩士研究生項目。這些培訓將幫助你了解法醫(yī)學的理論知識和實踐技能，包括尸體解剖、病理學、法醫(yī)毒理學和法醫(yī)病理學等。
在完成專業(yè)培訓后，你需要進行實習。實習是法醫(yī)專業(yè)發(fā)展的關(guān)鍵環(huán)節(jié)，它將為你提供實踐機會，熟悉法醫(yī)學的工作環(huán)境和操作流程。在這個階段，你將與資深法醫(yī)師合作，學習如何收集和分析證據(jù)，進行尸體解剖和病理檢查。
考試和認證是成為一名合格法醫(yī)的必要步驟。不同國家和地區(qū)對法醫(yī)的要求有所不同，但通常你需要通過國家級或地區(qū)級的法醫(yī)考試?？荚噧?nèi)容包括法醫(yī)學的理論知識和實踐技能。通過考試后，你將獲得相應的法醫(yī)資格證書，成為合格的法醫(yī)師。
成為一名法醫(yī)并不意味著你的學習和成長就此結(jié)束。法醫(yī)科學不斷發(fā)展，新的技術(shù)和知識不斷涌現(xiàn)。為了保持職業(yè)水平和專業(yè)知識的更新，你需要進行持續(xù)的繼續(xù)教育和專業(yè)發(fā)展。參加學術(shù)會議、培訓課程和研究項目，與同行交流和合作，將有助于你成為一名更出色的法醫(yī)。
通過以上的步驟，你可以成為一名合格的法醫(yī)，為司法程序提供重要的支持和證據(jù)。希望本文的指南對你了???法醫(yī)職業(yè)和報考條件有所幫助。感謝你閱讀本文，希望能夠?qū)δ阌兴鶈l(fā)和幫助！
法醫(yī)學尸體檢驗，是指根據(jù)司法機關(guān)的要求，由專職法醫(yī)或司法機關(guān)委托的醫(yī)師，運用醫(yī)學和有關(guān)自然科學知識，對各種暴力死亡或死因不明的尸體進行檢査，以判斷死亡原因，明確死亡性質(zhì)，推斷死亡時間，分析、認定致傷兇器，并同時進行個人識別，為偵察、審理案件提供證據(jù)的檢驗方法。它包括現(xiàn)場尸體檢驗和尸體剖驗，現(xiàn)場尸體檢驗是在發(fā)現(xiàn)尸體的現(xiàn)場所進行的，而尸體剖驗一般應在法醫(yī)解剖室內(nèi)進行，特殊情況也可就地進行。
法醫(yī)學尸體檢査的對象包括：（1）暴力死亡或懷疑暴力死亡者。（2）急死或不明原因死亡，而懷疑有他殺可能的。（3）無名尸體需要判斷死亡原因和進行個人識別的。（4）交通肇事、工傷事故以及與醫(yī)療糾紛有關(guān)的尸體。
從專業(yè)領(lǐng)域來分的話：
1，法醫(yī)病理學：通過對尸體進行解剖，提取臟器組織切片進行鏡下觀察等病理學手段明確死因、死亡時間、死亡方式、兇器類型等司法相關(guān)的醫(yī)學問題，為司法實踐提供證據(jù)。
2，法醫(yī)臨床學：通過對受到侵害的傷者進行身體檢查，結(jié)合病歷資料等相關(guān)材料綜合對傷者的身體損傷程度或傷殘等級進行鑒定，為司法裁判提供依據(jù)。前兩種是基層法醫(yī)的基本業(yè)務。
3，法醫(yī)毒理學/法醫(yī)毒物分析：通過對血液，胃內(nèi)容物，尿液，肝臟等人體組織或相關(guān)檢材進行分析，查明死者或涉案人員體內(nèi)是否存在某種毒物或毒品，為查明案件事實提供依據(jù)。
4，法醫(yī)物證學：通過對現(xiàn)場、尸體或涉案人員身上提取的檢材進行分析，尋找DNA層面存在的聯(lián)系，將人員和案件事實關(guān)聯(lián)起來，為鎖定嫌疑人、偵破案件和司法裁判提供證據(jù)和依據(jù)；或者在龐大的DNA數(shù)據(jù)庫的支持下為尋找走失人員和打擊拐賣兒童案件提供科學依據(jù)。DNA技術(shù)是近年來法醫(yī)學發(fā)展的熱門領(lǐng)域，深受全國各地領(lǐng)導的重視。
5，其他分支學科，如法醫(yī)昆蟲學、法醫(yī)人類學等等，更多的是應用于具體工作中用以解決具體問題的，根據(jù)我的了解，國內(nèi)并沒有專門從事這兩個專業(yè)的法醫(yī)崗位（學校教授不算）。
從工作單位分的話：
1，公安系統(tǒng)的法醫(yī)，從事具體案件的司法鑒定工作，可以有各種專業(yè)的細分，具體工作取決于鑒定機構(gòu)的業(yè)務范圍，上面說的四種專業(yè)在公安系統(tǒng)內(nèi)都可以找到。
2，檢察院、法院的法醫(yī)，主要從事司法系統(tǒng)內(nèi)部涉及法醫(yī)學檢驗的工作以及卷宗中相關(guān)資料的審查。法院已經(jīng)不再設法醫(yī)崗位，檢察院的法醫(yī)崗位也在逐漸減少或者合并入其他業(yè)務部門。
3，社會鑒定機構(gòu)是在司法局批準下建立的盈利性機構(gòu)，每個機構(gòu)根據(jù)自身的經(jīng)濟，設備條件和辦公環(huán)境條件開展不同方向的業(yè)務，所出具的鑒定書與公安系統(tǒng)內(nèi)的司法鑒定書具有相同效力。在社會鑒定機構(gòu)工作的法醫(yī)從事的鑒定業(yè)務上述專業(yè)全部或部分都可以，只要這個鑒定所有相應的資質(zhì)。
4，其他單位，比如保險公司，或者經(jīng)常遇到人身損害損害涉訴案件的公司比如滴滴公司等，需要設立專門崗位來評估法律風險，這時候也會招聘一些具有法醫(yī)學相關(guān)知識的人
宋慈，字惠父，是我國古代杰出的法醫(yī)學家。建陽(今屬福建)人，與理學大師朱熹同鄉(xiāng)。早歲習儒，入仕后經(jīng)歷十余任地方官，多負刑獄之責，終于廣東經(jīng)略安撫使。一生經(jīng)辦案件數(shù)不勝數(shù)。逝世前兩年(公元1247年)撰成并刊刻《洗冤集錄》五卷。此書是其一生經(jīng)驗、思想的結(jié)晶，不僅是中國，也是世界第一部法醫(yī)學專著。它比意大利人佛圖納圖·菲得利寫成于公元1602年的同類著作要早350多年。 作者把當時居于世界領(lǐng)先地位的中醫(yī)藥學應用于刑獄檢驗，并對先秦以來歷代官府刑獄檢驗的實際經(jīng)驗，進行全面總結(jié)，使之條理化、系統(tǒng)化、理論化。因而此書一經(jīng)問世就成為當時和后世刑獄官員的必備之書，幾乎被“奉為金科玉律”，其權(quán)威性甚至超過封建朝廷頒布的有關(guān)法律。750多年來，此書先后被譯成朝、日、法、英、荷蘭、德、俄等多種文字。直到目前，許多國家仍在研究它。其影響非常深遠，在中、外醫(yī)藥學史、法醫(yī)學史、科技史上留下光輝的一頁。其中貫穿著“不聽陳言只聽天”的求實求真的科學精神，至今仍然熠熠閃光，值得發(fā)揚光大。 當時程朱理學盛行。這是一個龐大完整而又十分精致的唯心主義思想體系。宋理宗(公元1225-1264年在位)時，程朱理學被抬到至高無上的地位，成為不可爭議的官方統(tǒng)治思想。其代表人物周敦頤、程顥、程頤、朱熹等被分別謚為“元公”、“純公”、“正公”、“文公”，并從祀孔子廟，榮耀至極。可見此時理學影響之大。
我志愿獻身醫(yī)學，熱愛祖國，忠于人民，恪守醫(yī)德，尊師守紀，刻苦鉆研，孜孜不倦，精益求精，全面發(fā)展。
堅決擁護中國共產(chǎn)黨的絕對領(lǐng)導，矢志獻身崇高的人民公安事業(yè)，對黨忠誠、服務人民、執(zhí)法公正、紀律嚴明，為捍衛(wèi)政治安全、維護社會安定、保障人民安寧而英勇奮斗！
李大寶，由焦俊艷扮演。
法醫(yī)秦明—中的李大寶。李大寶是一個漢子性格的短發(fā)女生，初來乍到并不受boss秦明的待見，但是在后來的辦案過程中，姑娘展示了非凡的敏銳度和嗅覺，有時候boss完全拿她當警犬用。加上林濤，三人的辦案過程很專業(yè)又不會顯得太沉悶，三人cp合作棒棒噠，劇中焦俊艷的表現(xiàn)很扎眼。
一般這種角色容易讓人定義成傻白甜，但是焦俊艷尺度拿捏得非常準確，關(guān)鍵還是演技在線。焦俊艷是袁姍姍楊冪的同學，袁姍姍說她是班里演技最好的。這段時間焦俊艷和魏大勛合作的—青春警事—正在熱播，反響還不錯。焦俊艷形象很利落，很適合這種懸疑劇。
戴西女法醫(yī)系列是一部以女主角戴西為中心的法醫(yī)犯罪小說系列。通過一系列刺激的故事情節(jié)，該系列向讀者們展示了法醫(yī)工作的真實面貌。本文將從多個方面深入探討戴西女法醫(yī)系列的魅力所在，以及揭秘真實的法醫(yī)工作。
戴西女法醫(yī)系列是由暢銷作家編寫的犯罪小說系列，主要以女性法醫(yī)戴西為主角，描繪了她在解決各種復雜犯罪案件中的艱辛努力。這個系列的背景設定在一個現(xiàn)實世界中，貼近真實的法醫(yī)工作情境，讓讀者可以感受到真正的法醫(yī)工作環(huán)境和挑戰(zhàn)。
戴西女法醫(yī)系列通過精心構(gòu)建的案件和情節(jié)，展示了法醫(yī)工作的方方面面。從法醫(yī)在發(fā)現(xiàn)和分析尸體時的細致入微，到使用科學技術(shù)手段來解開犯罪謎團，再到與警方合作調(diào)查案件的過程中的協(xié)作與磨合，該系列通過生動的描寫讓讀者們對法醫(yī)工作有了更深入的了解。
戴西女法醫(yī)系列還展現(xiàn)了法醫(yī)工作中的挑戰(zhàn)和責任。法醫(yī)在解剖尸體和分析證據(jù)時需要對細節(jié)極其敏感，并且要經(jīng)常面對令人難以忍受的殘忍現(xiàn)實。他們要在破案中扮演著至關(guān)重要的角色，通過分析證據(jù)尋找兇手，為受害者伸張正義。這種肩負責任的工作也讓法醫(yī)成為犯罪小說中令人欽佩的角色。
除了揭示法醫(yī)工作的真相，戴西女法醫(yī)系列還巧妙地融入了對社會問題的探討。通過某些案件的設定，讀者們可以深入思考社會中的不公和偏見，以及犯罪背后的動機和社會影響。這些故事情節(jié)讓人們更好地認識到犯罪現(xiàn)象的復雜性和背后的各種原因。
戴西女法醫(yī)系列通過引人入勝的犯罪故事，揭示了法醫(yī)工作的真實面貌，并深入探討了社會問題。這個系列不僅讓讀者們過一把犯罪小說的癮，更讓他們對法醫(yī)工作充滿了敬意和興趣。希望通過本文的介紹，讀者們能對戴西女法醫(yī)系列和真實的法醫(yī)工作有更深入的了解。
感謝您閱讀本文，希望通過這篇文章，您能對戴西女法醫(yī)系列和真??的法醫(yī)工作有更全面的認識。如果您對法醫(yī)工作感興趣或?qū)Ψ缸镄≌f感興趣，這個系列將會讓您充滿期待和滿足。
之前看了Mahout官方示例 20news 的調(diào)用實現(xiàn)；于是想根據(jù)示例的流程實現(xiàn)其他例子。網(wǎng)上看到了一個關(guān)于天氣適不適合打羽毛球的例子。
訓練數(shù)據(jù)：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
檢測數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實現(xiàn)分類。
基本思想：
1. 構(gòu)造分類數(shù)據(jù)。
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對vector數(shù)據(jù)進行分類。
接下來貼下我的代碼實現(xiàn)=》
1. 構(gòu)造分類數(shù)據(jù)：
在hdfs主要創(chuàng)建一個文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對vector數(shù)據(jù)進行分類。
這三步，代碼我就一次全貼出來；主要是兩個類 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 測試代碼
*/
public static void main(String[] args) {
//將訓練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓練模型
makeModel(false);
//測試檢測數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失??！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失??！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成訓練模型失?。?#34;);
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("檢測數(shù)據(jù)構(gòu)造成vectors初始化時報錯。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1時表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用貝葉斯算法開始分類,并提取得分最好的分類label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("檢測所屬類別是："+getCheckResult());
}
}
