朴素贝叶斯算法的代码实例实现（python）

本文由本人原创，仅作为自己的学习记录

数据：假设下面是课程数据，课程数据分为，价格A，课时B，销量C

价格A	课时B	销量C
低	多	高
高	中	高
低	少	高
低	中	低
中	中	中
高	多	高
低	少	中

现在学校出了一门新的课程，课程价格A=高，课时B=多，需要预测这个课程的销量

这个问题提出了预测之后的结果，而朴素贝叶斯正好可以满足这一点，网上大多是直接调用API进行预测，实际上最好还是自己实现朴素贝叶斯，朴素贝叶斯公式：P（B|A）=P（A|B）P（B）/P（A），而本文中，公式即为，P（C|AB）=P（AB|C）P（C）/P（AB）=P（A|C）P（B|C）P（C）/P（AB），方法就是分别推算出C为低销量，中销量，高销量时候的概率，然后进行比较，反馈出最大的概率为预测的结果

顺便说一句，朴素两个字意思就是说，AB之间相互独立，互不影响，实际上价格和课时是存在一定的关系的，但是朴素贝叶斯把它当做独立来处理，以计算销量的预测的概率。

下面给出我的代码：

#coding=utf-8  
from __future__ import division
from numpy import array

def set_data(price,time,sale):
    price_number =[]
    time_number= []
    sale_number =[]
    for i in price:
        if i=="低":
            price_number.append(0)
        elif i=="中":
            price_number.append(1)
        elif i=="高":
            price_number.append(2)
    for j in time:
        if j=="少":
            time_number.append(0)
        elif j=="中":
            time_number.append(1)
        elif j=="多":
            time_number.append(2)
    for k in sale:
        if k=="低":
            sale_number.append(0)
        elif k=="中":
            sale_number.append(1)
        elif k=="高":
            sale_number.append(2)
    return price_number,time_number,sale_number

def naive_bs(price_number,time_number,sale_number,expected_price,expected_time):
    price_p=[]
    time_p=[]
    sale_p=[]
    m = array(zip(price_number,time_number,sale_number)).T
    for i in range(3):
        price_p.append(price.count(i)/len(price_number)) #计算各项概率
        time_p.append(time.count(i)/len(time_number))
        sale_p.append(sale.count(i)/len(sale_number))

    advance_sale=[]
    p_ex_price = price.count(expected_price)/len(price_number)
    p_ex_time = time.count(expected_time)/len(time_number)
    low_ex_sale=0
    middle_ex_sale=0
    high_ex_sale=0
    
    for i in range(0,len(sale_number)):
        if  sale_number[i]==0:
            low_ex_sale=low_ex_sale+1
        elif sale_number[i]==1:
            middle_ex_sale=middle_ex_sale+1
        elif sale_number[i]==2:
            high_ex_sale=high_ex_sale+1
    #统计p(c)出现的概率
    #计算不同情况
    aa=0
    bb=0
    cc=0
    for i in range(0,len(price_number)):    
        if expected_price==price_number[i] and sale_number[i]==0:
            aa=aa+1
        elif expected_price==price_number[i] and sale_number[i]==1:
            bb=bb+1
        elif expected_price==price_number[i] and sale_number[i]==2:
            cc=cc+1
    p_aa = aa/low_ex_sale
    p_bb =bb/middle_ex_sale
    p_cc = cc/high_ex_sale
    
    print "p(a|c):%s ,%s,%s"%(p_aa,p_bb,p_cc)
    aaa=0
    bbb=0
    ccc=0
    for i in range(0,len(time_number)):    
        if expected_time==time_number[i] and sale_number[i]==0:
            aaa=aaa+1
        elif expected_time==time_number[i] and sale_number[i]==1:
            bbb=bbb+1
        elif expected_time==time_number[i] and sale_number[i]==2:
            ccc=ccc+1
    p_aaa=aaa/low_ex_sale
    p_bbb=bbb/middle_ex_sale
    p_ccc=ccc/high_ex_sale
    print "p(b|c): %s,%s,%s"%(p_aaa,p_bbb,p_ccc)
    final_low_p = p_aa*p_aaa*low_ex_sale/len(sale_number)*1000
    final_midd_p = p_bb*p_bbb*middle_ex_sale/len(sale_number)*1000
    final_high_p = p_cc*p_ccc*high_ex_sale/len(sale_number)*1000
    final_list=[final_low_p,final_midd_p,final_high_p]
    final_index= final_list.index(max(final_list))
    print final_list
    if final_index==0:
        print "销量预测销量为低"
    elif final_index==1:
        print "销量预测销量为中"
    else:
        print "销量预测销量为高" 
if __name__=="__main__":
    price = ["低","高","低","低","中","高","低"]
    time = ["多","中","少","中","中","多","少"]
    sale = ["高","高","高","低","中","高","中"]
    
    expected_price="高" #新课程价格高
    expected_time="高"  #新课程课时多
    if expected_price=="低":
        expected_price_id=0
    elif expected_price=="中":
        expected_price_id=1
    else:
        expected_price_id=2
    if expected_time=="少":
        expected_time_id=0
    elif expected_time=="中":
        expected_time_id=1
    else:
        expected_time_id=2
    price_number,time_number,sale_number= set_data(price, time, sale)
    print price_number,time_number,sale_number
    naive_bs(price_number, time_number, sale_number, expected_price_id, expected_time_id)
    
   

代码对三个特征进行处理，让属性分别用0,1,2来进行标识，代码是基于价格，课时，销量三个特征的列表长度相等，实际上我们拿到的数据应该是不相同的，应该先对数据处理，即进行数据预处理（主要是缺失值与异常值处理）。

下面是我在eclipse里的运行结果：

[0, 2, 0, 0, 1, 2, 0] [2, 1, 0, 1, 1, 2, 0] [2, 2, 2, 0, 1, 2, 1]
p(a|c):0.0 ,0.0,0.5
p(b|c): 0.0,0.0,0.5
[0.0, 0.0, 142.85714285714286]
预测销量为高

本文仅作为自己的学习记录，可能存在很多不足之处。