机器学习——朴素贝叶斯（Naive Bayes）详解及其python仿真

参考视频与文献：

/video/BV1oX4y137p9?spm_id_from=333.999.0.0&vd_source=77c874a500ef21df351103560dada737

统计学习方法（第二版）李航（编著）

一、朴素贝叶斯(naive Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。

那么在掌握朴素贝叶斯算法之前，我们必须了解条件概率和全概率。

1.1、条件概率公式如下：

1.2、全概率公式如下：

指若事件{A1，A2，…，An}构成一个完备事件组且都有正概率，则对任意一个事件B都有：

则有

二、贝叶斯定理：

一种有效计算条件概率的方法称为贝叶斯定理。贝叶斯定理告诉我们如何交换条件概率中的条件与结果，即如果已知P(X|Y)，要求P(Y|X):

这里的每个概率都有其特定的名称：

P ( Y ) ：先验概率。先验概率（prior probability）是指事情还没有发生，求这件事情发生的可能性的大小，是先验概率。它往往作为"由因求果"问题中的"因"出现。

P ( Y ∣ X ) ：后验概率。后验概率是指事情已经发生，求这件事情发生的原因是由某个因素引起的可能性的大小。后验概率的计算要以先验概率为基础

P ( X ∣ Y ) ：条件概率，又叫似然概率，一般是通过历史数据统计得到。一般不把它叫做先验概率，但从定义上也符合先验定义。

三、贝叶斯推论：

结合条件概率可推导出如下公式：

即为贝叶斯公式。把P(Ai)称为先验概率(Prior probability)，即在B事件发生之前，我们对A事件概率的一个判断。

P(Ai|B)称为后验概率(Posterior probability)，即在B事件发生之后，我们对A事件概率的重新评估。

P(B|Ai)/P(B)称为可能性函数(Likelyhood)，这是一个调整因子，使得预估概率更接近真实概率。

所以条件概率可以理解为：后验概率 = 先验概率 × 调整因子

如果"可能性函数">1，意味着先验概率被增强，事件A的发生的可能性变大；

如果"可能性函数"=1，意味着B事件无助于判断事件A的可能性；

如果"可能性函数"<1，意味着"先验概率"被削弱，事件A的可能性变小。

四、朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布P（X,Y），然后求得后验概率分布P（Y|X）。具体来说，利用训练数据学习P（X|Y）和P(Y)的估计，得到联合概率分布：

P(X,Y)=P(Y)P(X|Y)

概率估计方法可以是极大似然估计或贝叶斯估计。

五、朴素贝叶斯法的基本假设是条件独立性，

这是一个较强的假设。由于这一假设，模型包含的条件概率的数量大为减少，朴素贝叶斯法的学习与预测大为简化。因而朴素贝叶斯法高效，且易于实现。其缺点是分类的性能不一定很高。

六、朴素贝叶斯算法如下：

视频截图：

程序如下：

import numpy as npdef createDataSet():dataSet = [[0, 0, 0, 0, 'no'],#数据集[0, 0, 0, 1, 'no'],[0, 1, 0, 1, 'yes'],[0, 1, 1, 0, 'yes'],[0, 0, 0, 0, 'no'],[1, 0, 0, 0, 'no'],[1, 0, 0, 1, 'no'],[1, 1, 1, 1, 'yes'],[1, 0, 1, 2, 'yes'],[1, 0, 1, 2, 'yes'],[2, 0, 1, 2, 'yes'],[2, 0, 1, 1, 'yes'],[2, 1, 0, 1, 'yes'],[2, 1, 0, 2, 'yes'],[2, 0, 0, 0, 'no']]labels = ['年龄', '有工作', '有自己的房子', '信贷情况'] #特征标签return dataSet, labels #返回数据集和分类属性# 获取概率模型, 输入feat np.array格式 大小[N,D]def trainPbmodel_X(feats):N,D = np.shape(feats)model = {}# 对每一维度的特征进行概率统计for d in range(D):data = feats[:,d].tolist()keys = set(data)N = len(data)model[d] ={}for key in keys:model[d][key] = float(data.count(key)/N)return model# datas： list格式 每个元素表示1个特征序列 # labs： list格式 每个元素表示一个标签def trainPbmodel(datas,labs):# 定义模型model = {}# 获取分类的类别keys = set(labs)for key in keys:# 获得P(Y)Pbmodel_Y = labs.count(key)/len(labs)# 收集标签为Y的数据index = np.where(np.array(labs)==key)[0].tolist()feats = np.array(datas)[index]# 获得 P(X|Y)Pbmodel_X = trainPbmodel_X(feats)# 模型保存model[key]={}model[key]["PY"] = Pbmodel_Ymodel[key]["PX"] = Pbmodel_Xreturn model# feat : list格式 一条输入特征# model: 训练的概率模型# keys ：考察标签的种类 def getPbfromModel(feat,model,keys):results ={}eps = 0.00001for key in keys:# 获取P(Y)PY = model.get(key,eps).get("PY")# 分别获取 P(X|Y)model_X = model.get(key,eps).get("PX")list_px=[]for d in range(len(feat)):pb = model_X.get(d,eps).get(feat[d],eps)list_px.append(pb)result = np.log(PY) + np.sum(np.log(list_px))results[key]= resultreturn resultsif __name__ == '__main__': '''实验一 自制贷款数据集'''# # 获取数据集# dataSet, labels = createDataSet()# # 截取数据和标签# datas = [i[:-1] for i in dataSet]# labs = [i[-1] for i in dataSet] # # 获取标签种类# keys = set(labs)# # 进行模型训练# model = trainPbmodel(datas,labs)# print(model)# # 根据输入数据获得预测结果# feat = [0,1,0,1]# result = getPbfromModel(feat,model,keys)# print(result)# # 遍历结果找到概率最大值进行数据# for key,value in result.items():# if(value == max(result.values())):# print("预测结果是",key)# '''实验二 隐形眼睛数据集'''# 读取数据文件 截取数据和标签with open("train-lenses.txt",'r',encoding="utf-8") as f:lines = f.read().splitlines()dataSet = [line.split('\t') for line in lines]datas = [i[:-1] for i in dataSet]labs = [i[-1] for i in dataSet] # 获取标签种类keys = set(labs)# 进行模型训练model = trainPbmodel(datas,labs)print(model)# 测试# 读取测试文件with open("test-lenses.txt",'r',encoding="utf-8") as f:lines = f.read().splitlines()# 逐行读取数据并测试 for line in lines:data = line.split('\t')lab_true = data[-1]feat = data[:-1]result = getPbfromModel(feat,model,keys)key_out = ""for key,value in result.items():if(value == max(result.values())):key_out=keyprint("输入特征：")print(data)print(result)print("预测结果 %s 医生推荐 %s"%(key_out,lab_true))

运行结果如下：