从零开始的AI系列

从零开始的AI·机器学习の基本概念
从零开始的AI·吃透kNN算法，学完我悟了（附实例代码）
从零开始的AI·决策树原来这么好理解（附实例代码）

文章目录

从零开始的AI系列
前言
一、权衡利弊
二、整体感知
三、理论基础
四、具体实现过程及细节

前言

本文理论部分基于Peter Harrington的《机器学习实战》一书

朴素贝叶斯算法（Naive Bayesian algorithm) 是应用最为广泛的分类算法之一。 朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。虽然这个简化方式在一定程度上降低了贝叶斯分类算法的分类效果，但是在实际的应用场景中，极大地简化了贝叶斯方法的复杂性。

如果觉得AI学习枯燥，可以选择看一下这个老哥做的网站，趣味性直接拉满>>人工智能教程

一、权衡利弊

优点：在数据较少的情况下仍然有效，可以处理多类别问题
缺点：对于输入数据的准备方式较为敏感
数据类型：标称型数据
应用：文本分类，垃圾邮件的分类，信用评估，钓鱼网站检测

二、整体感知

有两百名学生，情况如下

	长裤	裙子
男	100	0
女	50	50

从远处又来了一名穿长裤的学生，仅从穿着判断该学生是男是女

首先计算出穿长裤且是男生的概率为100/150=2/3
其次计算出穿长裤且是女生的概率为50/150=1/3
2/3>1/3,因此我们估计该学生为男生

三、理论基础

先验概率：通过已知的数据计算出的概率。如“贝叶死”的发病率是万分之一
后验概率：根据当前已知的信息，去预测，所得出的概率。如某人患有“贝叶死”，患病原因可能是 A、B 或 C。则由于A而患病的概率即后验概率。它是属于条件概率的一种。
贝叶斯理论

p(c1|x, y) 意义为给定某个由x、y表示的数据点，那么该数据点来自类别c1的概率是多少？
基本思想：先通过样本获取先验概率，再通过贝叶斯的相关公式计算后验概率，比较后验概率，最大的为分类的结果

四、具体实现过程及细节

#读取数据
import pandas as pd
skin=pd.read_csv(r'train.csv')
skin.z.value_counts()
#划分数据集
from sklearn import  model_selection
X_train, X_test, Y_train, Y_test =model_selection.train_test_split(skin.iloc[:,:2],skin.z,test_size=0.25,random_state=1234)
#使用高斯分类器进行预测
from  sklearn import naive_bayes
gnb=naive_bayes.GaussianNB()
gnb.fit(X_train,Y_train)
gnb_pred =gnb.predict(X_test)
pd.Series(gnb_pred).value_counts()
#构造混淆矩阵并得出准确率
from sklearn import metrics
cm=pd.crosstab(gnb_pred,Y_test)
print('准确率为\n',metrics.accuracy_score(Y_test,gnb_pred))

从零开始的AI·朴素贝叶斯？拿来吧你（附实例代码）相关推荐

朴素贝叶斯高斯模型_从零开始实现高斯朴素贝叶斯独立贝叶斯模型
朴素贝叶斯高斯模型 "Why is Google censuring me?!" Claire asked (true story). Sure, she's always bee ...
java mllib 算法_朴素贝叶斯算法原理及Spark MLlib实例(Scala/Java/Python)
朴素贝叶斯算法介绍: 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法. 朴素贝叶斯的思想基础是这样的:对于给出的待分类项,求解在此项出现的条件下各个类别出现的概率,在没有其它可用信息下,我 ...
朴素贝叶斯进行新闻主题分类，有代码和数据，可以跑通
folder_path = '/Users/apple/Documents/七月在线/NLP/第2课/Lecture_2/Naive-Bayes-Text-Classifier/Database/So ...
matlab贝叶斯判别后验概率,统计学习方法——朴素贝叶斯法、先验概率、后验概率(示例代码)...
朴素贝叶斯法,就是使用贝叶斯公式的学习方法,朴素就是它假设输入变量(向量)的各个分量之间是相互独立的.所以对于分量之间不独立的分布,如果使用它学习和预测效果就不会很好. 简化策略它是目标是通过训练数 ...
机器学习算法-朴素贝叶斯（一）：朴素贝叶斯简介和鸢尾花分类实战（代码附详细注释）
朴素贝叶斯朴素贝叶斯的介绍朴素贝叶斯算法(Naive Bayes, NB) 是应用最为广泛的分类算法之一.它是基于贝叶斯定义和特征条件独立假设的分类器方法.由于朴素贝叶斯法基于贝叶斯公式计算得到, ...
从零开始的AI·决策树原来这么好理解（附实例代码）
从零开始的AI系列从零开始的AI·机器学习の基本概念从零开始的AI·吃透kNN算法,学完我悟了(附实例代码) 从零开始的AI·朴素贝叶斯?拿来吧你(附实例代码) 文章目录从零开始的AI系列前言 ...
从零开始的AI·吃透kNN算法，学完我悟了（附实例代码）
从零开始的AI系列从零开始的AI·机器学习の基本概念从零开始的AI·决策树原来这么好理解(附实例代码) 从零开始的AI·朴素贝叶斯?拿来吧你(附实例代码) 文章目录从零开始的AI系列前言一. ...
《机器学习实战》学习笔记（四）：朴素贝叶斯的基本原理
在看了书.CSDN上的博客.B站上的视频后整理而成,超级感谢前辈提供的宝贵知识- Table of Contents 1 基础数学知识 1.1 条件概率公式 1.2 贝叶斯公式 1.3 全概率 ...
小白学习朴素贝叶斯——看即懂
申明:文章内容是作者自己的学习笔记,教学来源是开课吧讲师梁勇老师. 讲师介绍:梁老师 <细说Java>与<Java深入解析>图书作者.一线互联网资深数据分析专家,超过十年软件开 ...

从零开始的AI·朴素贝叶斯？拿来吧你（附实例代码）