贝叶斯分类

朴素贝叶斯算法是采用每个属性归属于哪个类的概率来进行预测。我们采用监督性学习方法，对某个预测性建模的问题采用概率建模。

下面利用“皮马印第安人糖尿病数据集”。该数据集由美国国立糖尿病、消化和肾脏疾病研究所（United States National Institute of Diabetes and Digestive and Kidney Diseases，简称NIDDK）提供。

数据集
可从 https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv 下载，具体方法是打开此链接后，会看到数据展现在网页中，右击save as，保存类型选为“Microsoft Excel Comman Separated Values File“，即CSV格式，文件名按默认为pima-indians-diabetes.data.csv。

数据里包行了768行 X 9列数据。每一行表示一个超过21岁的皮马女性糖尿病患者的信息。
前8列表示属性特征
1．怀孕次数。
2．2小时口服葡萄糖耐量测试中得到的血糖浓度。
3．舒张期血压（mm Hg）。
4．三头肌皮脂厚度（mm）。
5．2小时血清胰岛素（mu U/ml）。
6．身体质量指数（体重kg/（身高in m）^2）。
7．糖尿病家族遗传作用值。
8．年龄。

第9列表示分类结果，这个类指明以测量时间为止，患者是否是在5年之内感染的糖尿病。如果是，则为1，否则为0。

算法的实现过程分为如下几步：
（一）处理数据：从CSV文件中载入数据，然后划分为训练集和测试集。
（二）提取数据特征：提取训练数据集的属性特征，以便我们计算概率并做出预测。
（三）单一预测：使用数据集的特征生成单个预测。
（四）多重预测：基于给定测试数据集和一个已提取特征的训练数据集生成预测。
（五）评估精度：评估对于测试数据集的预测精度作为预测正确率。
（六）合并代码：使用所有代码呈现一个完整的、独立的朴素贝叶斯算法的实现。

import csv
def loadCsv(filename):
    lines = csv.reader(open(filename, "r"))
    dataset = list(lines)
    for i in range(len(dataset)):
        dataset[i] = [float(x) for x in dataset[i]] #为何要把每个数都转为浮点数
    return dataset

#测试
filename = './data/pima-indians-diabetes.data.csv'
dataset = loadCsv(filename)
print('Loaded data file {0} with {1} rows'.format(filename, len(dataset)))


import random
def splitDataset(dataset, splitRatio):
    trainSize = int(len(dataset) * splitRatio)
    trainSet = []
    copy = list(dataset)
    while len(trainSet) < trainSize:
        index = random.randrange(len(copy))
        trainSet.append(copy.pop(index))
    return [trainSet, copy]

#测试
dataset = [[1], [2], [3], [4], [5], [6], [7], [8], [9], [10]