实验三 朴素贝叶斯算法及应用

作业信息

博客班级	机器学习实验-计算机18级
作业要求	链接：https://edu.cnblogs.com/campus/ahgc/machinelearning/homework/12085
作业目标	理解朴素贝叶斯算法原理，掌握朴素贝叶斯算法框架等
学号	3180701305

---

---

一、实验目的

1、理解朴素贝叶斯算法原理，掌握朴素贝叶斯算法框架；

2、掌握常见的高斯模型，多项式模型和伯努利模型；

3、能根据不同的数据类型，选择不同的概率模型实现朴素贝叶斯算法；

4、针对特定应用场景及数据，能应用朴素贝叶斯解决实际问题。

二、实验内容

1、实现高斯朴素贝叶斯算法。

2、熟悉sklearn库中的朴素贝叶斯算法；

3、针对iris数据集，应用sklearn的朴素贝叶斯算法进行类别预测。

4、针对iris数据集，利用自编朴素贝叶斯算法进行类别预测。

三、实验报告要求

1、对照实验内容，撰写实验过程、算法及测试结果；

2、代码规范化：命名规则、注释；

3、分析核心算法的复杂度；

4、查阅文献，讨论各种朴素贝叶斯算法的应用场景；

5、讨论朴素贝叶斯算法的优缺点。

四、实验代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from collections import Counter
import math

# data
def create_data():
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['label'] = iris.target
    df.columns = [
        'sepal length', 'sepal width', 'petal length', 'petal width', 'label'
    ]
    data = np.array(df.iloc[:100, :])
    # print(data)
    return data[:, :-1], data[:, -1]

X, y = create_data()
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

X_test[0], y_test[0]

class NaiveBayes:
    def __init__(self):
        self.model = None
    # 数学期望
    @staticmethod
    def mean(X):
        return sum(X) / float(len(X))
    # 标准差（方差）
    def stdev(self, X):
        avg = self.mean(X)
        return math.sqrt(sum([pow(x - avg, 2) for x in X]) / float(len(X)))
    # 概率密度函数
    def gaussian_probability(self, x, mean, stdev):
        exponent = math.exp(-(math.pow(x - mean, 2) /
                              (2 * math.pow(stdev, 2))))
        return (1 / (math.sqrt(2 * math.pi) * stdev)) * exponent
    # 处理X_train
    def summarize(self, train_data):
        summaries = [(self.mean(i), self.stdev(i)) for i in zip(*train_data)]
        return summaries
    # 分类别求出数学期望和标准差
    def fit(self, X, y):
        labels = list(set(y))
        data = {label: [] for label in labels}
        for f, label in zip(X, y):
            data[label].append(f)
        self.model = {
            label: self.summarize(value)
            for label, value in data.items()
        }
        return 'gaussianNB train done!'
    # 计算概率
    def calculate_probabilities(self, input_data):
        # summaries:{0.0: [(5.0, 0.37),(3.42, 0.40)], 1.0: [(5.8, 0.449),(2.7, 0.27)]}
        # input_data:[1.1, 2.2]
        probabilities = {}
        for label, value in self.model.items():
            probabilities[label] = 1
            for i in range(len(value)):
                mean, stdev = value[i]
                probabilities[label] *= self.gaussian_probability(
                    input_data[i], mean, stdev)
        return probabilities
    # 类别
    def predict(self, X_test):
        # {0.0: 2.9680340789325763e-27, 1.0: 3.5749783019849535e-26}
        label = sorted(
            self.calculate_probabilities(X_test).items(),
            key=lambda x: x[-1])[-1][0]
        return label
    def score(self, X_test, y_test):
        right = 0
        for X, y in zip(X_test, y_test):
            label = self.predict(X)
            if label == y:
                right += 1
        return right / float(len(X_test))

model = NaiveBayes()

model.fit(X_train, y_train)

print(model.predict([4.4, 3.2, 1.3, 0.2]))

model.score(X_test, y_test)

from sklearn.naive_bayes import GaussianNB

clf = GaussianNB()
clf.fit(X_train, y_train)

clf.score(X_test, y_test)

clf.predict([[4.4, 3.2, 1.3, 0.2]])

from sklearn.naive_bayes import BernoulliNB, MultinomialNB # 伯努利模型和多项式模型

五、运行截图

六、实验小结

通过本次实验我理解了朴素贝叶斯算法原理以及基本上掌握朴素贝叶斯算法框架；还有掌握常见的高斯模型，多项式模型和伯努利模型；

并且能根据不同的数据类型来选择不同的概率模型实现朴素贝叶斯算法；还可以针对特定应用场景及数据，并能应用朴素贝叶斯解决实际问题。希望在今后的学习当中可以更近一步去掌握本次实验的内容。