机器学习之朴素贝叶斯（连续值）二

朴素贝叶斯分类器（连续值）

某样本如下：

问题：身高170，体重130，鞋码42，请问是男是女？
当特征为连续值时，直接求条件概率就比较困难。假设特征均为正太分布，即身高、体重、鞋码均为正太分布，正太分布的均值、标准差由样本算出，根据正太分布算出某一个特征的具体值。
实现求正太分布中某一值的概率密度，如下：

from pandas import DataFrame
from scipy import stats
#step1  导入数据
data = DataFrame({'身高':[183,182,178,175,160,165,163,168],
                  '体重':[164,170,160,140,88,100,110,120],
                  '鞋码':[45,44,43,40,35,37,38,39],
                  '性别':['男','男','男','男','女','女','女','女']
                  })
#print(data)
#求男性的均值和标准差
male_height_mean = data[data['性别'] == '男']['身高'].mean()
male_height_std = data[data['性别'] == '男']['身高'].std()
#求身高为170的概率密度
x = 170
prob = stats.norm.pdf(x,loc = male_height_mean,scale =male_height_std)
print(prob)

求。身高170，体重130，鞋码42，请问是男是女？

#step1：设P（A1）为身高为170；P（A2）为体重为130；P（A3）为鞋码为42，P（B1）为男，P（B2）为女生。导入数据
from pandas import DataFrame
from scipy import stats
#step1  导入数据
data = DataFrame({'身高':[183,182,178,175,160,165,163,168],
                  '体重':[164,170,160,140,88,100,110,120],
                  '鞋码':[45,44,43,40,35,37,38,39],
                  '性别':['男','男','男','男','女','女','女','女']
                  })
#print(data)
#求不同label下特征的均值和标准差
male_height_mean = data[data['性别'] == '男']['身高'].mean()
male_height_std = data[data['性别'] == '男']['身高'].std()
famale_height_mean = data[data['性别'] == '女']['身高'].mean()
famale_height_std = data[data['性别'] == '女']['身高'].std()
male_weight_mean = data[data['性别'] == '男']['体重'].mean()
male_weight_std = data[data['性别'] == '男']['体重'].std()
famale_weight_mean = data[data['性别'] == '男']['体重'].mean()
famale_weight_std = data[data['性别'] == '男']['体重'].std()
male_shoesize_mean = data[data['性别'] == '男']['鞋码'].mean()
male_shoesize_std = data[data['性别'] == '男']['鞋码'].std()
famale_shoesize_mean = data[data['性别'] == '女']['鞋码'].mean()
famale_shoesize_std = data[data['性别'] == '女']['鞋码'].std()

#step2：计算已知分类结果下，各个特征的概率
#stats.norm.pdf()求概率，loc为均值，scale 为标准差
p_b1 = 1/2
p_b2 = 1/2
p_a1_b1 = stats.norm.pdf(x = 170,loc = male_height_mean,scale = male_height_std )
p_a2_b1 = stats.norm.pdf(x = 130,loc = male_weight_mean,scale = male_weight_std )
p_a3_b1 = stats.norm.pdf(x = 42,loc = male_shoesize_mean,scale = male_shoesize_std )
p_a1_b2 = stats.norm.pdf(x = 170,loc = famale_height_mean,scale = famale_height_std )
p_a2_b2 = stats.norm.pdf(x = 130,loc = famale_weight_mean,scale = famale_weight_std )
p_a3_b2 = stats.norm.pdf(x = 42,loc = famale_shoesize_mean,scale = famale_shoesize_std )
#print(p_a1_b1,p_a2_b1,p_a3_b1,p_a1_b2,p_a2_b2,p_a3_b2)

#step3.计算后验概率大小
p1 = p_a1_b1 * p_a2_b1 * p_a3_b1 * p_b1
p2 = p_a1_b2 * p_a2_b2 * p_a3_b2 * p_b2
if p1 > p2:
    print('当身高为高，体重为中，鞋码为中时，性别为{}'.format('男'),p1)
elif p1 == p2:
    print('当身高为高，体重为中，鞋码为中时，男生女生概率一样大',p1)
else:
    print('当身高为高，体重为中，鞋码为中时，性别为{}'.format('女'),p2)