改进后的朴素贝叶斯测试怀孕结果

import pandas
import math
import numpy

##读取训练数据   特征部分(机器人传感器收集的112个顾客气色,气味,脉象,体温等特征
X=pandas.read_csv('train_X.csv')
#读取训练数据  实际结果部分(上述112位顾客真实的怀孕状态,0代表女娃,1代表男孩,2表示没有怀孕
y=pandas.read_csv('train_y.csv')

class NavieBayes(object):
    def fit(self,x,y):
        self.x=x.values
        self.y=y.values

        print('y',self.y.flatten())
        ##计算气色,气味,脉相,体温在条件为s下的概率
        #所有结果下的 x0s=[] 存放列数据;  means=[] 平均值;stds=[]  标准差
        self.means = []; self.stds = []
        # 得到结果为s的数据集
        nums = []
        for s in range(3):
            nums.append(self.getClass(s))
            x0=[];mean=[];std=[]   #计算某s类结果下平均值,标准差
            for i in range(len(self.x[0])):      #代表数据的第i列
                x0.append(self.getColumn(nums[s], i))  # 得到s类结果下第i列数据
                mean.append(numpy.mean(x0[i]))        #平均值
                std.append(numpy.std(x0[i]))         #标准差
            #存放平均值,标准差  means[0]为结果为0下的平均值means[0][0]  0下气色的平均值
            #means[结果][特征]
            self.means.append(mean)
            self.stds.append(std)

        # 得到结果类别, 就是把这个文档中所有结果不重复的放在一个列表里面
        #调用self.ySet[i]
        self.ySet = set(self.y.flatten())
        # for re in self.y:
        #     self.ySet = self.ySet | set(re)  # 取两个集合的并集
        self.ySet = list(self.ySet)

        # 计算结果为0,1,2在结果中的频率p(0),   p(1),   p(2)
        # @  self.getClass(0)  结果为0的数据, self.y总的结果数据
        self.py = []
        for n in self.ySet:      #  n为结果类别
            self.py.append(len(self.getClass(n)) / float(len(self.y)))


    #预测怀孕结果
    def predict(self,test):
        # 计算test,数据为0的概率p(0|xi)
        #数组相对应元素相乘需要用nummpy.array()
        test=numpy.array(test)
        #数组中的每个元素都加一个常数  numpy.log(self.trainNB()[0])
        p = []; #n中结果对应的概率
        for n in self.ySet:
            m=0 ;   #m为存放结果n,对应的索引位置
            # 计算test,数据为n的概率p(n|xi)
            p.append(self.sum1(numpy.log(test * self.gausDisFunction(test, n))) + numpy.log(self.py[m]))
            m=m+1

        
        #储存预测结果
        re=[]
        for j in range(len(test)):      # j 为测试数据的数量
            pj=self.getColumn(p,j)      # 得到数据j 的概率
            print('pj数据j的概率',pj)
            ni=self.getMax(pj)
            print('概率最大结果的索引ni',ni)
            #概率最大的结果self.ySet[ni]
            re.append(self.ySet[ni])
        return re

    #得到数组中最大值的索引
    def getMax(self,nums):
        n0=0;max=nums[0]
        for n in nums:
            if n>max:
                max=n
                n0+=1
        return n0

    #二维数组中,内数组求和
    def sum1(self,nums):

        sum1=[]
        for nu in nums:
            sum1.append(sum(nu))
        return sum1

    #取出数组(list1)中的某一(num)列
    def getColumn(self,list1,num):
        lis=[]
        for li in list1:
            lis.append(li[num])
        return lis

    #数据分类,把训练数据按结果分类(0,1,2)
    #得到结果为s的数据集
    def getClass(self,s):
        nums=[]
        for i in range(len(self.y)):
            if self.y[i]==s:
                #把结果为s的数据存放到nums中
                nums.append(self.x[i])
        return nums

    #高斯分布计算连续概率,
    # #@s为某类结果,test为测试文档
    def gausDisFunction(self,test,s):
        # #返回某类结果条件下,数据的概率
        # #返回多个的结果
        y0 = []
        for te in test:
            y1 = []
            for j in range(len(te)):
                y1.append(numpy.exp(-(te[j] - self.means[s][j]) ** 2 / (2 * self.stds[s][j] ** 2)) / (math.sqrt(2 * math.pi) * self.stds[s][j]))
            y0.append(y1)
        # 返回某类结果条件下,数据test的概率
        return numpy.array(y0)




# 测试
doctor= NavieBayes()
doctor.fit(X,y)



#下面使用38位顾客的数据测试机器人诊断效果
#读取38位顾客的气色,气味,脉象,体温等特征数据
test_X=pandas.read_csv('test_X.csv')
#诊断! 结果存放到result数组中
result=doctor.predict(test_X.values)
print('预测结果',result)
#打印输出诊断结果,与实际的结果比较
#读取38位顾客怀孕状态的实际值(0代表女娃,1代表男孩,2表示没有怀孕)
test_y=pandas.read_csv('test_y.csv')
# print('实际结果',test_y.values)
labels=['女娃','男孩','没有怀孕']
i=0
#正确的诊断数
predictOKNum=0
print("编号,诊断值,实际值")
while i<test_y.shape[0]:
    #第i个诊断结果与实际的第i个结果比较,相等表示诊断正确
    if result[i]==(test_y.values[i,0]):      #test_y.values  为二维数组
        predictOKNum=predictOKNum+1
        okOrNo="准确"
    else:
        okOrNo = "错误"
    print("%s,%s,%s,%s"%(i+1,labels[result[i]],labels[test_y.values[i,0]],okOrNo))
    i=i+1

print("诊断正确率:%s" % (predictOKNum/i))