朴素贝叶斯学习记录2

本文主要根据西瓜书的朴素贝叶斯公式推导以及例题解答为基础进行学习。
该全过程主要解决了以下几个问题：

朴素贝叶斯的数学表达式是如何求得
朴素贝叶斯与贝叶斯的差别在哪里
朴素贝叶斯的实例问题解决
拉普拉斯平滑的提出与应用实例解决
朴素贝叶斯手推代码

朴素贝叶斯手写代码过程

import numpy as np
import pandas as pd
data=pd.read_csv("D:/大三上课程资料/机器学习/数据集/西瓜书朴素贝叶斯数据集.csv",header=None,encoding='gb2312')
lemon1=np.array(data)
data=lemon1.tolist()
data
def set_data():data=pd.read_csv("D:/大三上课程资料/机器学习/数据集/西瓜书朴素贝叶斯数据集.csv", header=None, encoding='gb2312')lemon1=np.array(data)data=lemon1.tolist()property_list = ['青绿', '乌黑', '浅白','蜷缩', '稍缩', '硬挺','浊响', '沉闷', '清脆','清晰', '稍糊', '模糊','凹陷', '稍陷', '稍凹','硬滑', '软粘']return data,property_list
def get_data(data,col,row,n):N=[0]*nfor n in range(0,n):N[n]=float(data[row+n][col])return N
x=np.mean(get_data(data,6,0,5))
property_list = ['青绿', '乌黑', '浅白','蜷缩', '稍缩', '硬挺','浊响', '沉闷', '清脆','清晰', '稍糊', '模糊','凹陷', '稍陷', '稍凹','硬滑', '软粘']
index=property_list.index('软粘')```python
def train(data,property_list):train_len=len(data)goodmelon=0for sample in data:if sample=='是':goodmelon+=1P_C_good=goodmelon/train_lenPX_C_Positive=[]PX_C_Negative=[]for property in property_list:if(property=="硬滑")or (property=="软粘"):Sample_P=goodmelon+2Sample_N=train_len-goodmelon+2else:Sample_P=goodmelon+3Sample_N=train_len-goodmelon+3Pos_Num=1Neg_Num=1for row in range(0,len(data)):if property in data[row]:if data[row][-1]=='是':Pos_Num+=1else:Neg_Num+=1PX_C_Positive.append(Pos_Num/Sample_P)PX_C_Negative.append(Neg_Num/Sample_N)PX_C_Positive.append(np.mean(get_data(data,6,0,goodmelon)))PX_C_Positive.append(np.var(get_data(data,6,0,goodmelon))**(1/2))PX_C_Negative.append(np.mean(get_data(data,6,goodmelon,train_len-goodmelon)))PX_C_Negative.append(np.var(get_data(data,6,goodmelon,train_len-goodmelon)))PX_C_Positive.append(np.mean(get_data(data,7,0,goodmelon)))PX_C_Positive.append(np.var(get_data(data,7,0,goodmelon)))PX_C_Negative.append(np.mean(get_data(data,7,goodmelon,train_len-goodmelon)))PX_C_Negative.append(np.var(get_data(data,7,goodmelon,train_len-goodmelon)))return PX_C_Positive,PX_C_Negative
def forecast(data,PX_C_Positive,property_list,PX_C_Negative):forca_Pos=0forca_Neg=0for property_data in data[:-1]:if property_data in property_list:index=property_list.index(property_data)forca_Pos+=np.log(PX_C_Pos[index])forca_Pos+=np.log(PX_C_Neg[index])forca_Pos+=np.log(((2 * np.pi) ** (-1 / 2) * PX_C_Pos[-4]) ** (-1)) + (-1 / 2) * ((float(data[-2]) - PX_C_Pos[-4]) ** 2) / (PX_C_Pos[-3] ** 2)forca_Pos+=np.log(((2 * np.pi) ** (-1 / 2) * PX_C_Pos[-2]) ** (-1)) + (-1 / 2) * ((float(data[-1]) - PX_C_Pos[-2]) ** 2) / (PX_C_Pos[-1] ** 2)forca_Neg+=np.log(((2 * np.pi) ** (-1 / 2) * PX_C_Pos[-4]) ** (-1)) + (-1 / 2) * ((float(data[-2]) - PX_C_Pos[-4]) ** 2) / (PX_C_Pos[-3] ** 2)forca_Neg+=np.log(((2 * np.pi) ** (-1 / 2) * PX_C_Pos[-2]) ** (-1)) + (-1 / 2) * ((float(data[-1]) - PX_C_Pos[-2]) ** 2) / (PX_C_Pos[-1] ** 2)if PX_C_Positive>PX_C_Negative:return '是'else:return '否'

if __name__ == "__main__":data,property_list=set_data()PX_C_Positive,PX_C_Negative=train(data,property_list)
data = ['青绿', '硬挺', '清脆', '清晰', '平坦', '软粘', '0.243', '0.267']
result = forecast(data, PX_C_Positive, property_list,PX_C_Negative)
print('该数据是否为正样例:',result)

结果预测：

【朴素贝叶斯学习记录】西瓜书数据集朴素贝叶斯实现相关推荐

【机器学习】聚类学习笔记+西瓜书数据集K-means实现
聚类聚类的提出聚类的是目标通过对无标记训练样本的学习来揭示数据内部潜在性质及规律. 在机器学习中有: 监督学习无监督学习强化学习聚类则属于无监督学习,挖掘数据之间的隐含特征,其作为其他学习任 ...
西瓜书笔记7:贝叶斯分类器
目录相关概率知识贝叶斯-全概率公式先验概率.后验概率.似然概率 7.1 贝叶斯决策论 7.2 极大似然估计极大似然估计公式均值方差估计公式推导概率知识复习高斯分布最大似然估计 7.3 ...
机器学习学习笔记-西瓜书
#西瓜书笔记文章目录模型评估和选择线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类性能度量与距离计算原型聚类密度聚类层次聚类降维与度量学习特征选择与稀疏学习计算学 ...
霍夫丁不等式（Hoeffding‘s inequality）-集成学习拓展-西瓜书式8.3
本文参考书目: 书名:机器学习中的数学修炼作者:左飞 1.引入假设有一个罐子,其中装有绿色和橘色两种颜色的小球.其中橘色小球所占比例u未知,为了推测这个未知的u,可以从罐子里面随机抽取一组样本,在 ...
集成学习（西瓜书学习）
集成学习概述一.Boosting 1.Boosting 2.GBDT (Gradient Boosting Decision Tree) 3.XGBoost(Extreme Gradient Bo ...
交叉学习验证西瓜书_机器学习：数据划分与交叉验证
函数1:train_test_split from sklearn.model_selection import train_test_split # 数据划分所需的函数X_train, X_test ...
西瓜书数据集3.0α
编号,密度,含糖率,好瓜 1,0.697,0.46,是 2,0.774,0.376,是 3,0.634,0.264,是 4,0.608,0.318,是 5,0.556,0.215,是 6,0.403, ...
python程序员买西瓜代码_朴素贝叶斯python代码实现（西瓜书）
本文将要为您介绍的是朴素贝叶斯python代码实现(西瓜书),具体完成步骤:朴素贝叶斯python代码实现(西瓜书) 摘要: 朴素贝叶斯也是机器学习中一种非常常见的分类方法,对于二分类问题,并且数据集 ...
贝叶斯学习的简单介绍
文章目录贝叶斯学习 Bayesian Learning 一.介绍 1.1 先验概率 1.2 后验概率二.贝叶斯理论 2.1 举例介绍 2.2 MAP假设 2.3 概率法则三.最小描述长度假设四 ...

【朴素贝叶斯学习记录】西瓜书数据集朴素贝叶斯实现

朴素贝叶斯学习记录2

朴素贝叶斯手写代码过程

【朴素贝叶斯学习记录】西瓜书数据集朴素贝叶斯实现相关推荐

最新文章

热门文章