第30步 机器学习分类实战：朴素贝叶斯建模

---

前言

朴素贝叶斯建模。

---

一、数据预处理

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
dataset = pd.read_csv('X disease code fs.csv')
X = dataset.iloc[:, 1:14].values
Y = dataset.iloc[:, 0].values

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size = 0.30, random_state = 666)
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

---

二、NB的调参策略

先复习一下参数（传送门），需要调整的参数有：
① priors：先验概率大小，如果没有给定，模型则根据样本数据自己计算（利用极大似然法），这个可以不调。
② var_smoothing：所有特征的最大方差部分，添加到方差中用于提高计算稳定性，默认1e-9。

---

三、NB调参演示

（A）先默认参数走一波：

from sklearn.naive_bayes import GaussianNB
classifier = GaussianNB()
classifier.fit(X_train, y_train)
y_pred = classifier.predict(X_test)
y_testprba = classifier.predict_proba(X_test)[:,1] 
y_trainpred = classifier.predict(X_train)
y_trainprba = classifier.predict_proba(X_train)[:,1]
from sklearn.metrics import confusion_matrix
cm_test = confusion_matrix(y_test, y_pred)
cm_train = confusion_matrix(y_train, y_trainpred)
print(cm_train)
print(cm_test)

结果还可以：


调整一下参数：
（B）调var_smoothing：

from sklearn.naive_bayes import GaussianNB
param_grid=[{
             'var_smoothing': [1e-9,1e-6,1e-4,1e-3,1e-2,1,10,100],
           },
           ]
boost = GaussianNB() 
from sklearn.model_selection import GridSearchCV
grid_search = GridSearchCV(boost, param_grid, n_jobs = -1, verbose = 2, cv=10)      
grid_search.fit(X_train, y_train)    
classifier = grid_search.best_estimator_  
classifier = classifier.fit(X_train, y_train)
y_pred = classifier.predict(X_test)
y_testprba = classifier.predict_proba(X_test)[:,1] 
y_trainpred = classifier.predict(X_train)
y_trainprba = classifier.predict_proba(X_train)[:,1]
from sklearn.metrics import confusion_matrix
cm_test = confusion_matrix(y_test, y_pred)
cm_train = confusion_matrix(y_train, y_trainpred)
print(cm_train)
print(cm_test)

结果：


最优模型：GaussianNB(var_smoothing=1)
性能一般般吧，勉强过得去：

总结

终于，把是个最经典的机器学习分类模型的大致调参策略都介绍完了，头发掉了不少，我发现写流程跟自己分析数据差距还是很大的，需要更多的精力和时间。
当然还没完，还需要大家把所有十个模型的性能参数进行归类，找出有好的模型！
接下来，我会把之前埋的坑补上，然后这个阶段——ML分类建模就告一段落了。