朴素贝叶斯分类应用的python实现：用户满意度预测

先简单介绍一下原理：

以下为用朴素贝叶斯分类预测用户满意度的python实现：

import pandas as pd


def data_to_df(data_path, test_num=100):
    # 读取数据，并分割训练集和测试集
    df_data = pd.read_csv(data_path, names=['buying', 'maint', 'doors', 'persons', 'lug-boot', 'safety', 'label'])
    df_test = df_data.sample(n=test_num)
    df_train = df_data.drop(df_test.index)
    return df_train, df_test


class Bayesian_Classifier():
    """贝叶斯分类器"""
    def __init__(self, df):
        # prior_probability_dict：先验概率字典，记录各类别的先验概率，格式：{'unacc':概率值, 'acc': 概率值, 'good': 概率值, 'vgood': 概率值}
        self.prior_probability_series = df['label'].value_counts(normalize=True)