利用Python实现‘听其名，知其性’性别预测朴素贝叶斯分类器

目录

简介

效果截图

实现方法

代码实现

引入所需要的包

定义朴素贝叶斯分类器类

读取数据

将姓名转换为特征向量

功能代码

将训练集和测试集的特征向量分开

在测试集上测试分类器的准确率

创建GUI界面

界面化实现

---

简介

        通过Python实现通过姓名预测性别的功能，在此过程中用到了朴素贝叶斯分类器，以及界面化，界面化这里采用tkinter方法实现简单的GUI界面。在GUI界面中添加了一些相关控件，用以实现相关功能，为了使用多方便将程序添加界面化，这里使用的tkinter第三方包实现，在界面上添加三个Lable,然后对应三个Text,用于信息提示、接收数据、以及数据显示；添加两个Button分别为性别预测按钮，和退出按钮，在提示框内输入中文人名，按下性别预测，即可在预测性别文本框内显示预测出来的性别；点击退出按钮将会退出程序。

效果截图

实现方法

        代码运行过程中将判断是否已经具有保存过的模型，如果训练好的模型已经存在，则直接(使用pickle方法)调用该模型。该模型中保存的数据为训练后的矩阵，训练过程中会将姓名进行分词，然后判断每个字或词在性别类别里出现的概率即特征向量。
        保存的模型分别为：
                1.特征向量：all_vectors.pkl
                2.特征词：filter_words.txt
                3.分类器：gender_classifier.pkl
        采用的数据集中训练集为：NameData.txt,测试集为：NameTestData.txt。训练集的数据有60000个数据，最终预测准确率为87.67%

代码实现

引入所需要的包

import numpy as np
import pandas as pd
import os
import pickle
import tkinter as tk

定义朴素贝叶斯分类器类

class NaiveBayesClassifier:
    def __init__(self):
        self.priors = None
        self.conditionals = None

    # 训练朴素贝叶斯分类器
    def fit(self, X, y):
        num_classes = len(np.unique(y))  # 获取类别数
        num_features = X.shape[1]  # 获取特征数
        self.priors = np.zeros(num_classes)  # 初始化先验概率
        self.conditionals = np.zeros((num_classes, num_features))  # 初始化条件概率
        # 计算先验概率和条件概率
        for i in range(num_classes):
            X_i = X[y == i]
            self.priors[i] = X_i.shape[0] / X.shape[0]
            self.conditionals[i] = (X_i.sum(axis=0) + 1) / (X_i.sum() + num_features)

    # 预测分类结果
    def predict(self, X):
        log_probs = np.log(self.priors) + X @ np.log(self.conditionals.T)
        return np.argmax(log_probs, axis=1)


# 过滤姓名中的非法字符
def filter_name(