贝叶斯算法实现Python

from numpy import *

import operator

from os importlistdir

import numpy as np

 

class Bayes:

    def __init__(self):#初始化

        self.length=-1  #length 用于判断是否进行了训练

        self.labelcount=dict()   #存储标签

        self.vectorcount=dict()   #存储数据向量

 

    def fit(self,dataSet:list,labels:list):

        if(len(dataSet)!=len(labels)):

            raise ValueError("您输入的测试数组和类别数组长度不一致！")

        self.length=len(dataSet[0])#测试数据特征值的长度

        labelsnum=len(labels)#得到所有类别的数量

        noRepeatlabels=set(labels)#集合去重  不重复类别的数量

        for item in  noRepeatlabels:

            thislabel=item

           self.labelcount[thislabel]=labels.count(thislabel)/labelsnum#得到当前类别在有重复类别中的比例

        for vector ,label inzip(dataSet,labels):

            if(label not in vectorcount):

                self.vectorcount[label]=[]

           self.vectorcount[label].append(vector)

        print("训练结束！")

        return self

    def btest(self,TestData,labelSet):

        if (self.length==-1):

            raise ValueError("还未进行训练！！！先训练！！！")

        #计算TestData分别为各个类别的概率

        lbDict=dict()

        for thislb in labelSet:

            p=1

            alllabel=self.labelcount[thislb]

            allvector=self.vectorcount[thislb]

            vnum=len(allvector)

            allvector=numpy.array(allvector).T

            for index inrange(0,len(TestData)):

                vector=list(allvector[index])

               p*=vector.count(TestData[index])/vnum

            lbDict[thislb]=p*alllabel

        thislable=sort(lbDict,key=lambdax:ibDict[x],reverse=True)[0]

        return thislabel

 

    #加载数据

    def datatoarray(fname):

        arr=[]

        fh=open(fname)

        for i in range(0,32):

            thisline=fh.readline()

            for j in range(0,32):

                arr.apprnd(int(thisline[j]))

        return arr

 

    #建立一个函数取文件名前缀

    def setlabel(fname):

        filestr=fname.split(".")[0]

       label=int(filestr.split("_")[0])

        return label

 

    #建立训练数据

    def traindata():

        labels=[]

        trainfile=listdir("")

        num=len(trainfile)

        #长度为1024列，每一行存储一个文件

        #用一个数组存储所有训练数据，行：文件总数，列：1024

        trainarr=zeros((num,1024))

        for i in range(0,num):

            thisfname=trainfile[i]

            thislabel=seplabel(thisfname)

            labels.append(thislabel)

           trainarr[i,:]=datatoarray(""+thisfname)

        return trainarr,labels

    bys=Bayes()

    #训练数据

    train_data,labels=traindata()

    bys.fit(train_data,labels)

    #测试

    thisdata=datatoarray("path")

    labelsall=[]

    result=bys.btest(thisdata,labelsall)

    print(result)

   

    #识别多个手写体数字(批量测试)

    testfileall=listdir("path")

    num=len(testfileall) c1

    for i in range(0,num):

        thisfilename=testfileall[i]

       thislabel=setlabel("path"+thisfilename)

       thisdataarray=datatoarray("path"+thisfilename)

       label=bys.btest(thisdataarray,labelsall)

        print("该数字正确的是"+str(thislabel)+",识别出来的数字是： "+str(label))

        if(label!=thislabel):

            x+=1

    print(x)

    print("错误率是："+str(x/num))