python实现简单的朴素贝叶斯分类器

本文使用的测试问题是“皮马印第安人糖尿病问题”
这个问题包括768个对于皮马印第安患者的医疗观测细节，记录所描述的瞬时测量取自患者的年龄，怀孕
和血液检查的次数。所有患者都是21岁以上的女性，所有属性都是数值型，而且属性的单位各不相同
每一个记录归属一个类，最后一列为类标签，表示患者是否在5年之内感染的糖尿病。
如果是，则为1，否则为0
下面是文件的地址，以.csv扩展名保存
第一次写，如有不足，请多多包涵
# -*- coding: utf-8 -*-
"""
Created on Wed Mar 29 10:49:47 2017

@author: Administrator
"""
import csv
import numpy as np
import math
#处理数据
data_name='data.csv'
np.random.seed(2017)
#训练集：80% 测试集：20%
def splitData(filename):
    testSets=[]
    trainSets=[]
    lines=list(csv.reader(open(filename,'r')))    
    
    for line in lines:
        p=np.random.randint(100)
        if p<20:
            testSets.append(line)
        else:
            trainSets.append(line)
    
    return trainSets,testSets
trainSets,testSets=splitData(data_name)

#分为特征和类别
def fea_and_class(trs,tes):
    tr_feas0=[]
    tr_feas1=[]
    tr_dict={}
    te_feas0=[]
    te_feas1=[]
    te_dict={}
    for tr in trs:
        tr_fea=[float(x) for x in tr[:8]]
        tr_cl=int(tr[-1])
        if tr_cl==0:
            
        #tr_dict[tr_cl]=tr_fea
            tr_feas0.append(tr_fea)
        if tr_cl==1:
            tr_feas1.append(tr_fea)
    tr_dict[0]=tr_feas0
    tr_dict[1]=tr_feas1
    
    for te in tes:
        te_fea=[float(x) for x in te[:8]]   #前八个为特征，最后一个为类别标签
        te_cl=int(te[-1])
        #te_dict[te_cl]=te_fea
        if te_cl==0:
            
            te_feas0.append(te_fea)
        if te_cl==1:
            te_feas1.append(te_fea)
    te_dict[0]=te_feas0
    te_dict[1]=te_feas1    
    return tr_dict,te_dict
    #return tr_dict,te_dict    
tr_dict,te_dict=fea_and_class(trainSets,testSets)
#提取训练集的属性特征



    
'''
trDict={}
tr=[]
te=[]
for i in range(len(tr_class)):
    if tr_class[i][0]==0:
        tr.append(trSets[i])
    if tr_class[i][0]==1:
        te.append(trSets[i])
trDict[0]=tr
trDict[1]=te
'''
#训练集的同一类的均值，方差    
tr_mean0=np.mean(tr_dict[0],axis=0)
tr_var0=np.var(tr_dict[0],axis=0)

tr_mean1=np.mean(tr_dict[1],axis=0)
tr_var1=np.var(tr_dict[1],axis=0)

#假设数据服从高斯分布
def gaussian(x,mu,sigma):
    val=1/math.sqrt(2*math.pi*sigma)
    return val*(math.exp((-(x-mu)**2)/(2*sigma)))

#values=gaussian(10.0,tr_mean0[0],tr_var0[0])
pre_cla0=[]
pre_cla1=[]
#对于测试集，判断其属于哪些类，并计算准确率，假设特征独立同分布
for te0 in te_dict[0]:
    val0=1
    val1=1
    for i in range(len(te0)):
        
        val0=gaussian(te0[i],tr_mean0[i],tr_var0[i])
        val0*=val0
        val1=gaussian(te0[i],tr_mean1[i],tr_var1[i])
        val1*=val1
        if val0>val1:
            classes=0
        else:
            classes=1
    pre_cla0.append(classes)
for te1 in te_dict[1]:
    val0_=1
    val1_=1
    for i in range(len(te1)):
        
        val0_=gaussian(te1[i],tr_mean0[i],tr_var0[i])
        val0_*=val0_
        val1_=gaussian(te1[i],tr_mean1[i],tr_var1[i])
        val1_*=val1_
        if val0_>val1_:
            classes=0
        else:
            classes=1
    pre_cla1.append(classes)

count=0
for pre_cla0_each in pre_cla0:
    if pre_cla0_each==0:
        count+=1
        
for pre_cla1_each in pre_cla1:
    if pre_cla1_each==1:
        count+=1
acc=count/(len(pre_cla0)+len(pre_cla1))

　　最近事情比较多，先写到这，准确率67.51%