实验三 朴素贝叶斯算法及应用

作业通知

| 博客班级 |


| ---- | ---- | ---- |
| 实验名称 |
| 实验目标 | 理解朴素贝叶斯算法原理,掌握朴素贝叶斯算法 |
| 学号 | 3180701231 |

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.实验结果

高斯朴素贝叶斯算法实现

1.

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]))

结果:

0.0

model.score(X_test, y_test)

结果:

1.0

五.实验小结

1 应用场景
该模型常用于性别分类,即通过一些测量的特征,包括身高、体重、脚的尺寸,判定一个人是男性还是女性。

2 法优缺点
优点:
算法逻辑简单,易于实现。
分类过程中时空开销小

缺点:
理论上,朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此,这是因为朴素贝叶斯模型假设属性之间相互独立,这个假设在实际应用中往往是不成立的,在属性个数比较多或者属性之间相关性较大时,分类效果不好。而在属性相关性较小时,朴素贝叶斯性能最为良好。

posted @ 2021-06-27 21:05  可依旧少年  阅读(85)  评论(0编辑  收藏  举报