如何计算概率 磷(秒|G秒)，即假设某人说德语的情况下某人是瑞士人的概率？
该等式如下所示：
磷(秒|G秒)=磷(G秒,秒)磷(G秒)
让我们隔离两个方程 磷(G秒,秒)：
磷(G秒,秒)=磷(G秒|秒)磷(秒)磷(G秒,秒)=磷(秒|G秒)磷(G秒)
由于左侧相等，因此右侧也必须相等：
磷(G秒|秒)＊磷(秒)=磷(秒|G秒)磷(G秒)
这个方程可以转化为：
磷(秒|G秒)=磷(G秒|秒)磷(秒)磷(G秒)
结果符合贝叶斯定理
为了解决我们的问题，即一个人是瑞士人的概率，如果我们知道他或她说德语——我们所要做的就是计算右边。我们从之前的练习中已经知道
磷(G秒|秒)=0.64
和
磷(秒)=0.00112
世界上以德语为母语的人数相当于 1.01 亿，所以我们知道
磷(G秒)=1017500=0.0134667
最后，我们可以计算 磷(秒|G秒) 通过替换我们方程中的值：
磷(秒|G秒)=磷(G秒|秒)磷(秒)磷(G秒)=0.64＊0.001120.0134667=0.0532276
大约有 840 万人居住在瑞士。大约 64% 的人会说德语。地球上大约有75亿人。
如果一些外星人随机地向地球人发出光芒，那么他是说德语的瑞士人的可能性有多大？
我们有活动
秒: 瑞士人 G秒: 德语
磷(秒)=8.47500=0.00112磷(一个|乙)=磷(乙|一个)磷(一个)磷(乙)
磷(一个|乙) 是条件概率 一个，给定 乙 （后验概率）， 磷(乙) 是先验概率 乙 和 磷(一个) 的先验概率 一个. 磷(乙|一个) 是条件概率 乙 给予 一个，称为可能性。
朴素贝叶斯分类器的一个优点是它只需要少量的训练数据来估计分类所需的参数。因为假设了自变量，所以只需要确定每个类的变量的方差，而不是整个协方差矩阵。
入门练习
让我们踏上火车之旅，创建我们的第一个非常简单的朴素贝叶斯分类器。假设我们在汉堡市，我们想前往慕尼黑。我们将不得不在美因河畔法兰克福换乘火车。我们从以前的火车旅行中知道，我们从汉堡出发的火车可能会晚点，我们将赶不上法兰克福的转机火车。我们无法赶上接驳列车的可能性取决于我们可能的延误有多高。接驳列车的等待时间不会超过五分钟。有时另一列火车也会晚点。
以下列表“in_time”（从汉堡出发的火车及时到达以赶上前往慕尼黑的连接火车）和“too_late”（错过连接火车）是显示几周内情况的数据。每个元组的第一个组件显示火车晚点的分钟数，第二个组件显示发生这种情况的时间。
# 元组包括（train1 的延迟时间，次数）
# 元组是 (分钟, 次数)
in_time = [( 0 , 22 ), ( 1 , 19 ), ( 2 , 17 ), ( 3 , 18 ),
( 4 , 16 ), ( 5 , 15 ), ( 6 , 9 ), ( 7 , 7 ),
( 8 , 4 ), ( 9 , 3 ), ( 10 , 3), ( 11 , 2 )]
too_late = [( 6 , 6 ), ( 7 , 9 ), ( 8 , 12 ), ( 9 , 17 ),
( 10 , 18 ), ( 11 , 15 ), ( 12 , 16 ), ( 13 , 7 ),
( 14 , 8 ), ( 15 , 5 )]
% matplotlib内联
导入 matplotlib.pyplot 作为 plt
X , Y = zip ( * in_time )
X2 , Y2 = zip ( * too_late )
bar_width = 0.9
plt 。bar ( X , Y , bar_width , color = “blue” , alpha = 0.75 , label = “in time” )
bar_width = 0.8
plt . bar ( X2 , Y2 , bar_width , color = “red” , alpha = 0.75 , label = “too late” )
plt . 传奇( loc = ‘右上角’ )
plt 。显示()
从这个数据我们可以推断出，如果我们迟到一分钟，赶上接驳列车的概率是 1，因为我们有 19 个成功案例并且没有错过，即在 ‘too_late’ 中没有以 1 作为第一个组件的元组。
我们将表示事件“火车及时到达以赶上连接的火车” 秒 （成功）和“不幸”事件“火车来得太晚，无法赶上连接的火车” 米 （错过）
我们现在可以正式定义“因为我们迟到 1 分钟而赶上火车”的概率：
磷(秒|1)=19/19=1
我们使用了元组的事实 (1,19) 在 ‘in_time’ 中，并且在 ‘too_late’ 中没有第一个组件 1 的元组
如果我们迟到 6 分钟，那么赶上前往慕尼黑的联运火车就变得至关重要了。然而，机会仍然是 60%：
磷(秒|6)=9/9+6=0.6
因此，知道我们迟到 6 分钟而错过火车的概率是：
磷(米|6)=6/9+6=0.4
我们可以编写一个“分类器”函数，它会给出赶上连接列车的概率：
in_time_dict = dict ( in_time )
too_late_dict = dict ( too_late )
def catch_the_train ( min ):
s = in_time_dict 。get ( min , 0 )
如果 s == 0 ：
返回 0
否则：
m = too_late_dict 。get ( min , 0 )
返回 s / ( s + m )
对于 分钟 在 范围（- 1 ， 13 ）：
打印（分钟， catch_the_train （分钟））
输出：
-1 0
0 1.0
1 1.0
2 1.0
3 1.0
4 1.0
5 1.0
6 0.6
7 0.4375
8 0.25
9 0.15
10 0.14285714285714285
11 0.11764705882352941
12 0
朴素贝叶斯分类器示例
准备好数据
我们将使用一个名为’person_data.txt’的文件。它包含 100 个随机人物数据，男性和女性，带有体型、体重和性别标签。
将 numpy 导入****为 np
性别 = [ “男” ， “女” ]
人 = []
与 打开（“数据/ person_data.txt” ） 作为 FH ：
用于 线 在 FH ：
人。追加（行。带（）。分裂（））
firstnames = {}
高度 = {}
为 性别 在 性别：
firstnames [性别] = [ X [ 0 ] 为 X 中 的人 如果 X [ 4 ] ==性别]
高度[性别] = [ X [ 2 ] 对于 X 在 人 如果 x [ 4 ] ==性别]
高度[性别] = np . 数组（高度[性别]， np . int ）
用于 性别 的 （“女性” ， “男” ）：
打印（性别 + “：” ）
打印（firstnames [性别] [：10 ]）
打印（高度[性别] [：10 ]）
输出：
女性：
[“斯蒂芬妮”、“辛西娅”、“凯瑟琳”、“伊丽莎白”、“卡罗尔”、“克里斯蒂娜”、“贝弗利”、“莎伦”、“丹尼斯”、“丽贝卡”]
[149 174 183 138 145 161 179 162 148 196]
男性：
[“兰迪”、“杰西”、“大卫”、“斯蒂芬”、“杰瑞”、“比利”、“厄尔”、“托德”、“马丁”、“肯尼思”]
[184 175 187 192 204 180 184 174 177 200]
警告：Python 类和朴素贝叶斯类之间可能存在一些混淆。我们尽可能通过明确说明其含义来避免它！
设计要素类
我们现在将为特征定义一个 Python 类“Feature”，稍后我们将使用它进行分类。
Feature 类需要一个标签，例如“heights”或“firstnames”。如果特征值是数字的，我们可能希望将它们“装箱”以减少可能的特征值的数量。我们的人的身高范围很大，我们的朴素贝叶斯类“男性”和“女性”只有 50 个测量值。我们将通过将 bin_width 设置为 5 将它们分为“130 到 134”、“135 到 139”、“140 到 144”等范围。没有办法对名字进行分箱，因此 bin_width 将设置为 None。
方法频率返回特定特征值或分箱范围的出现次数。
from collections import Counter
import numpy as np
课程 特点：
def __init__ ( self , data , name = None , bin_width = None ):
self 。姓名 = 姓名
自我。bin_width = bin_width
如果 bin_width :
self 。分钟， 自我。max = min ( data ), max ( data )
bins = np 。范围（（自我。分钟 // bin_width ） * bin_width ，
（自我。最大 // bin_width ） * bin_width ，
bin_width ）
频率， 仓 = NP 。直方图（数据， 箱）
自我。freq_dict = dict ( zip ( bins , freq ))
self 。freq_sum = sum ( freq )
else :
self. freq_dict = dict ( Counter ( data ))
self 。freq_sum = 总和（自我。freq_dict 。值（））
def 频率（self ， value ）：
如果 self 。bin_width :
value = ( value // self . bin_width ) * self . bin_width
如果 值 在 self 中。freq_dict :
返回 self 。freq_dict [值]
否则：
返回 0
我们现在将为人物数据集的高度值创建两个要素类 Feature。一个要素类包含朴素贝叶斯类“男性”的高度和一类“女性”的高度：
FTS = {}
为 性别 在 性别：
FTS [性别] = 特性（高度[性别]， 名称=性别， bin_width = 5 ）
打印（性别， FTS [性别] 。freq_dict ）
输出：
男 {160: 5, 195: 2, 180: 5, 165: 4, 200: 3, 185: 8, 170: 6, 155: 1, 190: 8, 175: 7}
女性 {160: 8, 130: 1, 165: 11, 135: 1, 170: 7, 140: 0, 175: 2, 145: 3, 180: 4, 150: 5, 185: 0, } 155: 7
频率分布条形图
我们打印了我们的 bin 的频率，但在条形图中看到这些值要好得多。我们将使用以下代码执行此操作：
对于 性别 中的 性别：
频率 = 列表（fts [性别] . freq_dict . items ())
频率。排序（键=拉姆达 X ： X [ 1 ]）
X ， ÿ = 拉链（*频率）
颜色 = “蓝色” 如果 性别== “男性” 其他 “红色”
bar_width = 4 ，如果 性别== “男性” 否则 3
plt 。bar ( X , Y , bar_width , 颜色=颜色, alpha = 0.75 , 标签=性别)
PLT 。图例（loc = ‘右上角’ ）
plt 。显示()
我们现在必须用 Python 设计一个朴素贝叶斯类。我们将其称为 NBclass。一个 NBclass 包含一个或多个要素类。NBclass 的名称将存储在 self.name 中。
类 NBclass ：
def __init__ ( self , name , * features ):
self 。特征 = 特征
自我。姓名 = 姓名
DEF probability_value_given_feature （自，
FEATURE_VALUE ，
特征）：
“”“
p_value_given_feature返回概率P
为特征的FEATURE_VALUE‘值’到occurr
对应于P（d_i | p_j）
其中d_i是特征的特征变量i
‘’”
如果 功能。freq_sum == 0 ：
返回 0
else ：
返回 特征。频率（FEATURE_VALUE ） / 特征。频率总和
在下面的代码中，我们将创建具有一个特征的 NBclasses，即高度特征。我们将使用我们之前创建的 fts 的要素类：
cls = {}
用于 性别 中的 性别：
cls [性别] = NBclass (性别, fts [性别])
创建简单朴素贝叶斯分类器的最后一步是编写一个类“Classifier”，它将使用我们的类“NBclass”和“Feature”。
类 分类器：
def __init__ ( self , * nbclasses ):
self 。nbclasses = nbclasses
def prob ( self , * d , best_only = True ):
nbclasses = self 。nbclasses
probability_list = []
为 nbclass 在 nbclasses ：
FTRS = nbclass 。特征
prob = 1
for i in range ( len ( ftrs )):
prob *= nbclass 。probability_value_given_feature ( d [ i ], ftrs [ i ])
概率列表。追加（ （概率， nbclass 。名称） ）
prob_values = [ ˚F [ 0 ] 为 ˚F 在 probability_list ]
prob_sum = 总和（prob_values ）
如果 prob_sum == 0 ：
number_classes = LEN （自我。nbclasses ）
PL = []
为 prob_element 在 probability_list ：
PL 。追加( (( 1 / number_classes ), prob_element [ 1]））
probability_list = PL
否则：
probability_list = [ （p [ 0 ] / prob_sum ， p [ 1 ]） 为 p 在 probability_list ]
如果 best_only ：
返回 最大值（probability_list ）
否则：
返回 probability_list
我们将创建一个具有一个要素类“高度”的分类器。我们使用 130 到 220 厘米之间的值对其进行检查。
c = 分类器( cls [ “male” ], cls [ “female” ])
对于 我 在 范围（130 ， 220 ， 5 ）：
打印（我， Ç 。概率（我， best_only =假））
输出：
130 [(0.0, ‘男’), (1.0, ‘女’)]
感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：
① 2000多本Python电子书（主流和经典的书籍应该都有了）
② Python标准库资料（最全中文版）
③ 项目源码（四五十个有趣且经典的练手项目及源码）
④ Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）
⑤ Python学习路线图（告别不入流的学习）
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
6385
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
