python实现之构建朴实贝叶斯分类器

给定一个训练集Training-data.txt，构建朴实贝叶斯分类器，并对如下测试用例作出推断：

X1 = (age <=30, Income = medium, Student = yes, Credit_rating = Fair)
X2 = (30<= age <40, Income = high, Student = no, Credit_rating = Fair)
X3 = (age > 40, Income = medium, Student = no, Credit_rating = Fair)

training-data.txt：

age income  student credit_rating   buys_computer
<=30    high    no  fair    no
<=30    high    no  excellent   no
31…40   high    no  fair    yes
>40 medium  no  fair    yes
>40 low yes fair    yes
>40 low yes excellent   no
31…40   low yes excellent   yes
<=30    medium  no  fair    no
<=30    low yes fair    yes
>40 medium  yes fair    yes
<=30    medium  yes excellent   yes
31…40   medium  no  excellent   yes
31…40   high    yes fair    yes
>40 medium  no  excellent   no

解题思路：首先读入训练数据，使用朴素贝叶斯分类来预测未知元组的类标号。利用列表存储各个类标号属性的数目，可以得出P(x|c)P(c)，从而预测未知元组的类标号
以下是python代码实现过程：

train_file=open('training-data.txt','r')
train_list=[]
lines=train_file.readlines()
for i in lines:curdata=i.strip().split('\t')train_list.append(curdata)
del[train_list[0]]
for i in train_list:if i[0]=='31\xa1\xad40':i[0]='31_40'
print train_list
yes_count=0
no_count=0for  i in range(len(train_list)):if train_list[i][len(train_list[i])-1]=='yes':yes_count+=1else:no_count+=1
#print yes_count,no_count
p_yes=round(yes_count/float(len(train_list)),3)
p_no=round(no_count/float(len(train_list)),3)def bayes(age_data,income_data,isstudent,cr_data):x=list()x=[age_data,income_data,isstudent,cr_data]x_yes=[0,0,0,0]x_no=[0,0,0,0]for i in range(len(train_list)):for j in range(0,len(train_list[i])-1):if train_list[i][j]==x[j]:if train_list[i][len(train_list[i])-1]=='yes':temp=x_yes[j]temp+=1x_yes[j]=tempelse:temp=x_no[j]temp+=1x_no[j]=temp a=1for i in x_yes:a*=ib=1for i in x_no:b*=i p_x_yes=a/float(yes_count**4)p_x_no=b/float(no_count**4)fina_p_yes=round(p_x_yes*p_yes,3)print 'P(X|buy_computer=yes)=',fina_p_yesfina_p_no=round(p_x_no*p_no,4)print 'P(X|buy_computer=no)=',fina_p_noclass_result=""if fina_p_yes>fina_p_no:class_result="it belongs to this class:yes"else:class_result="it belongs to this class:no"return class_resultprint bayes('<=30','medium','yes','fair')
print bayes('31_40','high','no','fair')

下图为实验结果截图：

python实现之构建朴实贝叶斯分类器相关推荐

python机器学习库sklearn——朴素贝叶斯分类器
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程文档贝叶斯分类器的相关的知 ...
Python小案例：朴素贝叶斯分类器
朴素贝叶斯分类器是一个以贝叶斯定理为基础,广泛应用于情感分类领域的优美分类器.本文我们尝试使用该分类器来解决上一篇文章中影评态度分类. 1.贝叶斯定理假设对于某个数据集,随机变量C表示样本为C类的概 ...
python机器学习案例系列教程——文档分类器，朴素贝叶斯分类器，费舍尔分类器
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 github地址:https://github.com/626626cdllp/data-mining/tree/master/Bay ...
python 贝叶斯分类器sklearn_Sklearn 中的朴素贝叶斯分类器
原标题:Sklearn 中的朴素贝叶斯分类器作者:Martin Müller,翻译:github-sisibeloved https://github.com/xitu/gold-miner/blo ...
机器学习之用Python从零实现贝叶斯分类器
机器学习之用Python从零实现贝叶斯分类器 2015/02/06 · 系列教程 · 13 评论 · 机器学习分享到:27 本文由伯乐在线 - Halal 翻译,toolate 校稿.未经许可,禁 ...
python朴素贝叶斯的文本分类_自给自足，完全手写一个朴素贝叶斯分类器，完成文本分类...
Part 1: 本文解决的问题: 我在有这样的一个数据集,里面存放了人们对近期播放电影的评价,当然评价也就分成两部分,好评和差评.我们想利用这些数据训练一个模型,然后可以自动的对影评做出判断,到底是好 ...
利用Python实现多元伯努利事件的朴素贝叶斯分类器
前言本篇博客所写的算法对应于吴恩达教授的机器学习教程里的多元伯努利事件模型的朴素贝叶斯. 多元伯努利事件模型的Python代码 #!/usr/bin/env python # -*- coding: ...
python 贝叶斯分类器sklearn_使用sklearn自带的贝叶斯分类器进行文本分类和参数调优...
数据挖掘入门与实战公众号: datadw Part 1: 本篇内容简介在前一篇文章完整手写一个朴素贝叶斯分类器,完成文本分类,我们使用首先假设在文档中出现的单词彼此独立,利用贝叶斯定理,完成了一个 ...
吴裕雄 python 机器学习——多项式贝叶斯分类器MultinomialNB模型
import numpy as np import matplotlib.pyplot as pltfrom sklearn import datasets,naive_bayes from skle ...

python实现之构建朴实贝叶斯分类器

python实现之构建朴实贝叶斯分类器相关推荐

最新文章

热门文章