之前在朴素贝叶斯算法原理小结这篇文章中，对朴素贝叶斯分类算法的原理做了一个总结。这里我们就从实战的角度来看朴素贝叶斯类库。重点讲述scikit-learn 朴素贝叶斯类库的使用要点和参数选择。

1. scikit-learn 朴素贝叶斯类库概述

　　　　朴素贝叶斯是一类比较简单的算法，scikit-learn中朴素贝叶斯类库的使用也比较简单。相对于决策树，KNN之类的算法，朴素贝叶斯需要关注的参数是比较少的，这样也比较容易掌握。在scikit-learn中，一共有3个朴素贝叶斯的分类算法类。分别是GaussianNB，MultinomialNB和BernoulliNB。其中GaussianNB就是先验为高斯分布的朴素贝叶斯，MultinomialNB就是先验为多项式分布的朴素贝叶斯，而BernoulliNB就是先验为伯努利分布的朴素贝叶斯。

　　　　这三个类适用的分类场景各不相同，一般来说，如果样本特征的分布大部分是连续值，使用GaussianNB会比较好。如果如果样本特征的分大部分是多元离散值，使用MultinomialNB比较合适。而如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用BernoulliNB。

2. GaussianNB类使用总结

　　　　GaussianNB假设特征的先验概率为正态分布，即如下式：

P(Xj=xj|Y=Ck)=12πσ2k−−−−√exp(−(xj−μk)22σ2k)P(Xj=xj|Y=Ck)=12πσk2exp(−(xj−μk)22σk2)

　　　　其中CkCk为Y的第k类类别。μk和σ2kμk和σk2为需要从训练集估计的值。

　　　　GaussianNB会根据训练集求出μk和σ2kμk和σk2。 μkμk为在样本类别CkCk中，所有XjXj的平均值。σ2kσk2为在样本类别CkCk中，所有XjXj的方差。

　　　　GaussianNB类的主要参数仅有一个，即先验概率priors ，对应Y的各个类别的先验概率P(Y=Ck)P(Y=Ck)。这个值默认不给出，如果不给出此时P(Y=Ck)=mk/mP(Y=Ck)=mk/m。其中m为训练集样本总数量，mkmk为输出为第k类别的训练集样本数。如果给出的话就以priors 为准。

　　　　在使用GaussianNB的fit方法拟合数据后，我们可以进行预测。此时预测有三种方法，包括predict，predict_log_proba和predict_proba。

　　　　predict方法就是我们最常用的预测方法，直接给出测试集的预测类别输出。

　　　　predict_proba则不同，它会给出测试集样本在各个类别上预测的概率。容易理解，predict_proba预测出的各个类别概率里的最大值对应的类别，也就是predict方法得到类别。

　　　　predict_log_proba和predict_proba类似，它会给出测试集样本在各个类别上预测的概率的一个对数转化。转化后predict_log_proba预测出的各个类别对数概率里的最大值对应的类别，也就是predict方法得到类别。

　　　　下面给一个具体的例子，代码如下：

import numpy as np
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([1, 1, 1, 2, 2, 2])
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
#拟合数据
clf.fit(X, Y)
print "==Predict result by predict=="
print(clf.predict([[-0.8, -1]]))
print "==Predict result by predict_proba=="
print(clf.predict_proba([[-0.8, -1]]))
print "==Predict result by predict_log_proba=="
print(clf.predict_log_proba([[-0.8, -1]]))

　　　　结果如下：

==Predict result by predict==
[1]
==Predict result by predict_proba==
[[  9.99999949e-01   5.05653254e-08]]
==Predict result by predict_log_proba==
[[ -5.05653266e-08  -1.67999998e+01]]

　　　　从上面的结果可以看出，测试样本[-0.8,-1]的类别预测为类别1。具体的测试样本[-0.8,-1]被预测为1的概率为9.99999949e-01 ，远远大于预测为2的概率5.05653254e-08。这也是为什么最终的预测结果为1的原因了。

　　　　此外，GaussianNB一个重要的功能是有 partial_fit方法，这个方法的一般用在如果训练集数据量非常大，一次不能全部载入内存的时候。这时我们可以把训练集分成若干等分，重复调用partial_fit来一步步的学习训练集，非常方便。后面讲到的MultinomialNB和BernoulliNB也有类似的功能。

3. MultinomialNB类使用总结

　　　　MultinomialNB假设特征的先验概率为多项式分布，即如下式：

P(Xj=xjl|Y=Ck)=xjl+λmk+nλP(Xj=xjl|Y=Ck)=xjl+λmk+nλ

　　　　其中，P(Xj=xjl|Y=Ck)P(Xj=xjl|Y=Ck)是第k个类别的第j维特征的第l个个取值条件概率。mkmk是训练集中输出为第k类的样本个数。λλ 为一个大于0的常数，常常取为1，即拉普拉斯平滑。也可以取其他值。

　　　　MultinomialNB参数比GaussianNB多，但是一共也只有仅仅3个。其中，参数alpha即为上面的常数λλ，如果你没有特别的需要，用默认的1即可。如果发现拟合的不好，需要调优时，可以选择稍大于1或者稍小于1的数。布尔参数fit_prior表示是否要考虑先验概率，如果是false,则所有的样本类别输出都有相同的类别先验概率。否则可以自己用第三个参数class_prior输入先验概率，或者不输入第三个参数class_prior让MultinomialNB自己从训练集样本来计算先验概率，此时的先验概率为P(Y=Ck)=mk/mP(Y=Ck)=mk/m。其中m为训练集样本总数量，mkmk为输出为第k类别的训练集样本数。总结如下：

fit_prior	class_prior	最终先验概率
false	填或者不填没有意义	P(Y=Ck)=1/kP(Y=Ck)=1/k
true	不填	P(Y=Ck)=mk/mP(Y=Ck)=mk/m
true	填	P(Y=Ck)=P(Y=Ck)=class_prior

　　　　在使用MultinomialNB的fit方法或者partial_fit方法拟合数据后，我们可以进行预测。此时预测有三种方法，包括predict，predict_log_proba和predict_proba。由于方法和GaussianNB完全一样，这里就不累述了。　

4. BernoulliNB类使用总结

　　　　BernoulliNB假设特征的先验概率为二元伯努利分布，即如下式：

　　　　此时ll只有两种取值。xjlxjl只能取值0或者1。

　　　　BernoulliNB一共有4个参数，其中3个参数的名字和意义和MultinomialNB完全相同。唯一增加的一个参数是binarize。这个参数主要是用来帮BernoulliNB处理二项分布的，可以是数值或者不输入。如果不输入，则BernoulliNB认为每个数据特征都已经是二元的。否则的话，小于binarize的会归为一类，大于binarize的会归为另外一类。

　　　　在使用BernoulliNB的fit或者partial_fit方法拟合数据后，我们可以进行预测。此时预测有三种方法，包括predict，predict_log_proba和predict_proba。由于方法和GaussianNB完全一样，这里就不累述了。

　　　　以上就是scikit-learn 朴素贝叶斯类库的使用的经验总结。希望可以帮到朋友们。

原文地址：http://www.cnblogs.com/pinard/p/6074222.html

（欢迎转载，转载请注明出处。欢迎沟通交流： pinard.liu@ericsson.com）

scikit-learn 朴素贝叶斯类库使用小结相关推荐

统计学习方法03—朴素贝叶斯算法
目录 1.朴素贝叶斯的基本原理 2. 贝叶斯算法实现 2.1 数据集的准备与处理 2.2 GaussianNB 高斯朴素贝叶斯 2.2.1 @staticmethod静态方法 2.2.2 几种概率统计 ...
朴素贝叶斯（naive bayes）原理小结
朴素贝叶斯(naive bayes)原理小结 1. 朴素贝叶斯的学习 1.1 基本假设:条件独立性 1.2 朴素贝叶斯分类器 1.3 后验概率的含义 2. 参数估计 2.1 极大似然估计 2.2 贝叶 ...
机器学习之朴素贝叶斯学习笔记
朴素贝叶斯一.概述朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失.是否值得投资.信用等级评定等多分类问题.该算法的优点在于简单易懂.学习效率高.在某些领域的分类问题中能够与决策 ...
当你看完这篇朴素贝叶斯（NB）算法后,是否会有怦然心动的感觉
一.引言当一位气象学家提供天气预报时,通常会使用像"明天70%的可能性会下雨"这样的术语来预测j降雨,这些预测称为下雨的概率.你有没有想过他们是如何计算的呢? 本文将讲述一种机器 ...
【机器学习】朴素贝叶斯(Naive Bayes)
在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同.对于大多数的分类算法,比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系, ...
[机器学习] 分类 --- Naive Bayes（朴素贝叶斯）
一.概率知识点复习 (1)条件概率就是事件A在另外一个事件B已经发生条件下的发生概率.条件概率表示为P(A|B),读作"在B条件下A的概率". (2)联合概率可以简单的理解为事 ...
基于scikit-learn的朴素贝叶斯实战
写在前面学完了朴素贝叶斯的基本原理(机器学习算法总结之朴素贝叶斯法),现在利用sklearn平台的朴素贝叶斯类库来实战一下,加深印象. 1.sklearn中朴素贝叶斯(NB)简介相比于前面的决策树 ...
机器学习算法总结之朴素贝叶斯法
写在前面贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类.而朴素朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法.它是基于贝叶斯定理和特征条件独立假设分类方 ...
贝叶斯与朴素贝叶斯入门及实战
文章目录什么是贝叶斯朴素贝叶斯原理朴素贝叶斯优点朴素贝叶斯缺点贝叶斯模型高斯分布朴素贝叶斯多项式分布朴素贝叶斯伯努利分布朴素贝叶斯总结贝叶斯实战生成式模型和判别式模型的区别什 ...

scikit-learn 朴素贝叶斯类库使用小结

1. scikit-learn 朴素贝叶斯类库概述

2. GaussianNB类使用总结

3. MultinomialNB类使用总结

4. BernoulliNB类使用总结

scikit-learn 朴素贝叶斯类库使用小结相关推荐

最新文章

热门文章