从零开始的AI·朴素贝叶斯？拿来吧你（附实例代码）

从零开始的AI系列

• 从零开始的AI·机器学习の基本概念
• 从零开始的AI·吃透kNN算法，学完我悟了（附实例代码）
  
• 从零开始的AI·决策树原来这么好理解（附实例代码）

---

---

前言

本文理论部分基于Peter Harrington的《机器学习实战》一书

朴素贝叶斯算法（Naive Bayesian algorithm) 是应用最为广泛的分类算法之一。 朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。虽然这个简化方式在一定程度上降低了贝叶斯分类算法的分类效果，但是在实际的应用场景中，极大地简化了贝叶斯方法的复杂性。

如果觉得AI学习枯燥，可以选择看一下这个老哥做的网站，趣味性直接拉满>>人工智能教程

---

一、权衡利弊

• 优点：在数据较少的情况下仍然有效，可以处理多类别问题
• 缺点：对于输入数据的准备方式较为敏感
• 数据类型：标称型数据
• 应用：文本分类，垃圾邮件的分类，信用评估，钓鱼网站检测

二、整体感知

有两百名学生，情况如下

	长裤	裙子
男	100	0
女	50	50

从远处又来了一名穿长裤的学生，仅从穿着判断该学生是男是女

首先计算出穿长裤且是男生的概率为100/150=2/3
其次计算出穿长裤且是女生的概率为50/150=1/3
2/3>1/3,因此我们估计该学生为男生

三、理论基础

• 先验概率：通过已知的数据计算出的概率。如“贝叶死”的发病率是万分之一
• 后验概率：根据当前已知的信息，去预测，所得出的概率。如某人患有“贝叶死”，患病原因可能是 A、B 或 C。则由于A而患病的概率即后验概率。它是属于条件概率的一种。
• 贝叶斯理论
  
  p(c1|x, y) 意义为给定某个由x、y表示的数据点，那么该数据点来自类别c1的概率是多少？
• 基本思想：先通过样本获取先验概率，再通过贝叶斯的相关公式计算后验概率，比较后验概率，最大的为分类的结果

四、具体实现过程及细节

#读取数据
import pandas as pd
skin=pd.read_csv(r'train.csv')
skin.z.value_counts()
#划分数据集
from sklearn import  model_selection
X_train, X_test, Y_train, Y_test =model_selection.train_test_split(skin.iloc[:,:2],skin.z,test_size=0.25,random_state=1234)
#使用高斯分类器进行预测
from  sklearn import naive_bayes
gnb=naive_bayes.GaussianNB()
gnb.fit(X_train,Y_train)
gnb_pred =gnb.predict(X_test)
pd.Series(gnb_pred).value_counts()
#构造混淆矩阵并得出准确率
from sklearn import metrics
cm=pd.crosstab(gnb_pred,Y_test)
print('准确率为\n',metrics.accuracy_score(Y_test,gnb_pred))