基于python的贝叶斯分类算法,python实现贝叶斯

　　在本文中，我使用我最喜欢的机器学习库scikit-learn在Python上实现朴素贝叶斯分类器。然后，用训练好的朴素贝叶斯模型预测人口收入。

　　关于朴素贝叶斯分类器的文章讨论了贝叶斯定理。我想让你们了解一下贝叶斯定理的基础知识，如果我们快速看一下贝叶斯定理的基础知识。

　　贝叶斯定理是基于条件概率的。概率有助于计算发生了什么。如果你不明白，用下面的例子来帮助你理解。

　　条件概率的例子

　　下面的例子有助于理解条件概率的定义。迷你蜡烛已经买了iPhone。购买mac book

　　迷你蜡烛在他们去电影院的时候带来了提神的饮料。

　　迷你蜡烛带冷饮买花生。

　　朴素贝叶斯分类器根据贝叶斯定理正常工作。朴素贝叶斯分类器假设所有特征都是相互独立的，无论特征是相互依赖的还是依赖于其他特征的存在。朴素贝叶斯分类器认为，所有这些属性都会独立贡献用户购买MacBook的概率。

　　为了学习朴素贝叶斯定理的重要概念。请阅读我们关于贝叶斯定理的文章。这有助于理解与朴素贝叶斯相关的中心概念。

　　文章介绍了朴素贝叶斯定理，讨论了三种常用的朴素贝叶斯算法：zqdxnnaiveBayes。

　　多项式朴素贝叶斯

　　伯努利朴素贝叶斯

　　作为朴素贝叶斯定理的扩展，zqdxnnaiveBayes现已在“人口收入”数据集上实现。

　　Zqdxn朴素贝叶斯

　　ZqdxnnaiveBayes算法是NB算法的一种特殊类型，尤其适用于特征具有连续值的情况。同时假设所有特征服从zqdxn分布，即正态分布。

　　人口普查收入数据集

　　人口普查收入数据集是对某人的收入是否超过$ 50K/年($ 50K/年或更多)或== 50K= 。数据是qxdbbz= =

　　该数据集由UCI知识库提供，并通过此链接发布。它由15列离散数据和连续数据组成。

　　变量名变量范围

　　1 .年龄[ 1790年]

　　2 .工作类别[州政府，私人企业，联邦政府，地方政府，私人企业

　　3.fnlwgt[77516- 257302]

　　4 .教育[‘学士’、‘硕士’、‘第十一’、‘硕士’、‘第九’、‘某学院’、‘assoc-acdm’、ath

　　5 .教育_数字[ 116 ]

　　6 .婚姻状况[未婚，已婚-公民-配偶，离婚，已婚-配偶不在， sed

　　职业[行政-文书，执行-管理，搬运-清洁工，专业教授，其他服务

　　8 .关系[非家庭成员，丈夫，妻子，亲生子女，未婚，其他亲属]

　　9 .种族[白人，黑人，亚洲太平洋岛民，美洲印第安爱斯基摩人，其他]

　　10 .性别[男性，女性]

　　11 .资本收益

　　12 .资本_损失[ 04356 ]

　　13 .每周小时数[ 199 ]

　　14 .本国[美国，古巴，牙买加，印度，墨西哥，南方，波多黎各

　　 n ，菲律宾，意大利，波兰，哥伦比亚，柬埔寨，泰国，厄瓜多尔，老挝，台湾，海地，葡萄牙，多米尼加共和国，萨尔瓦多，法国，危地马拉，中国，日本，南斯拉夫，秘鲁，outing-us(关岛-USVI等)，苏格兰，shy航空多巴哥，希腊，尼加拉瓜，越南，香港，爱尔兰，匈牙利，荷兰]

　　15 .收入[=50k ，=50K]=50k ，

　　最后一个变量由两个值组成：“==

　　zqdxnNB在人口普查收入数据集中的应用

　　导入python机器学习库

　　我们需要导入pandas、numpy和sklearn库，我们需要从sklearn导入impactor。

　　如果没有安装python机器学习库，可以在运行本文代码之前安装。

　　Train_test_split模块用于将数据集分成训练集和测试集。accuracy_score模块将用于计算我们的zqdxn朴素贝叶斯算法的准确性。

　　数据导入

　　对于人口普查的数据导入，我们使用pandas read_csv方法。这是一种非常简单快捷的数据导入方式。

　　我们传递四个参数。“成人.数据”参数是文件名。header参数用于向pandas提供关于第一行数据是否包含标题的详细信息。在我们的数据集中，没有标题。所以，我们一个也不放过。

　　Delimiter参数用于提供分隔符来分隔信息数据。这里，我们使用 *，* 分隔符。此分隔符包含数据值前后的空格。当数据值使用的空格数不总是相同时，这非常有用。

　　让我们为数据框添加一个标题。以下代码片段可用于执行此任务

　　处理缺失数据

　　让我们测试一下数据集中是否有空值。我们可以使用is方法。

　　脚本输出

　　上面的输出显示我们的数据集中没有空值。

　　让我们测试是否有任何分类属性包含“？”。有时候吗？或，而不是缺少值。使用以下代码片段，我们将测试我们的成人_df数据帧是否包含值为“？”的数据帧分类变量。

　　脚本输出

　　上述代码片段的输出显示，work class属性中有1836个缺失值。祖国属性中有1843个职业属性和583个缺失值。

　　数据预处理

　　对于预处理，我们将复制原始数据帧。我们将成人_测向复制为成人_测向_修订数据帧。

　　因为我们必须对缺失的值进行一些补充。在此之前，我们需要我们的数据框架的一些汇总统计。为此，我们可以使用describe方法。它可用于生成各种汇总统计数据，不包括NaN值。

　　我们传递一个值为“all”的“include”参数，用来指定我们想要的是所有属性的汇总统计信息。

　　运行上面的命令后，您可以检查数据集的基本统计信息。您可以在这里花一些时间来了解每个提供的统计数据的细节。

　　数据补充步骤

　　现在，是时候估计缺失值了。我们的一些分类缺少值，即“？”。我们会换掉它吗？用上面描述的方法。是第一行的值。例如，我们是否希望用私有值替换工作区属性的？价值。

　　我们已经执行了数据补充步骤。

　　您可以通过打印成人_ df _ rev来检查数据框中的更改。

　　对于朴素贝叶斯定理，我们需要将所有数据值转换成一种数据格式。我们将对值在0和n_classes-1之间的所有标签进行编码。

　　单温编码器

　　为了实现这一点，我们将使用LabelKeeper的SciKit学习库的LabelEncoder。对于编码，我们也可以使用一键编码器。它将数据编码成二进制格式。

　　使用上面的代码片段，我们创建了几个分类列，比如“marriage _ cat”、“race_cat”等等。您可以使用成人_df_rev.head查看数据框的前6行。

　　通过打印成人_df_rev.head的结果，您将能够看到所有的列都应该被重新索引。它们的顺序不对。要重新索引这些列，可以使用下面提供的代码片段：

　　上述代码片段的输出将显示所有列都被正确索引。我已经将列名列表作为参数传递，axis=1用于对列进行重新索引。

　　数据标准化

　　我们的数据框的所有数据值都是数字。现在，我们需要将它们转换成统一的比例。我们可以使用下面的公式来标准化这些值。

　　我们已经将数据值转换为标准化值。您可以打印并检查dataframe的输出。

　　数据切片

　　让我们将数据分为训练集和测试集。我们可以通过使用sklearn的train_test_split方法轻松执行这一步。

　　使用上面的代码片段，我们将数据分成了特性和目标集。特征集由14列组成，也就是说，预测变量和目标集由具有类值的一列组成。

　　Features_train和target_train由训练数据组成，features_test和target_test由测试数据组成。

　　zqdxn的朴素贝叶斯实现

　　数据预处理完成后。是时候实现机器学习算法了。我们将使用sklearn的GaussianNB模块。

　　我们已经建立了一个高斯神经网络分类器。用训练数据训练分类器。我们可以用fit的方法来训练它。建立分类器后，我们准备预测模型。我们可以使用预测方法，将测试集特征作为其参数。

　　我们的zqdxn朴素贝叶斯模型的准确性

　　现在是检验我们模型质量的时候了，我们做了一些预测。让我们将模型的预测与测试集的实际目标值进行比较。按照这种方法，我们将计算我们的模型的准确性。

　　脚本输出

　　0.80141447980643965

　　太好了！我们的模型给出了80%的准确率。这不是一个简单的实现。您可以创建随机测试数据集并测试模型，以了解经过训练的zqdxn朴素贝叶斯模型的性能。

　　我们可以使用Python pickle来保存训练有素的scikit-learn模型。可以查看如何使用Python Pickle保存训练有素的scikit-learn模型。中文：3358dataaspire.com/February 20，2017/高斯-朴素贝叶斯-分类器-实现-python/

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。