朴素贝叶斯分类

这个代码的主要目的是预测中文姓名的性别。为了实现这个目标，我们采用了朴素贝叶斯分类器。以下是代码的主要思路、思维方法和使用技巧：

数据准备：

a. 加载数据集：使用pandas库加载一个包含中文姓名和性别的数据集。数据集中的每一行包含一个姓名和对应的性别标签（男或女）。

b. 数据预处理：将每个姓名拆分为单个汉字，并将性别标签转换为数字（0表示男，1表示女）。

c. 特征提取：将每个汉字转换为一个数字特征向量。为此，我们创建了一个字符到索引的映射，用于将每个汉字映射到一个唯一的索引。然后，我们将每个姓名转换为一个向量，其中每个元素表示该姓名中对应汉字出现的次数。

实现朴素贝叶斯分类器：

a. 初始化：定义一个朴素贝叶斯分类器类，用于存储类别数量、特征数量、先验概率和条件概率。

b. 训练：在训练过程中，我们首先计算每个类别的先验概率。然后，我们计算每个特征在每个类别下的条件概率。

c. 预测：在预测过程中，我们计算每个类别的后验概率，并选择具有最高后验概率的类别作为预测结果。

训练和评估模型：

a. 数据集划分：将数据集分为训练集和测试集，以便在训练集上训练模型并在测试集上评估模型的性能。

b. 训练模型：使用训练集训练朴素贝叶斯分类器。

c. 评估模型：在测试集上预测性别，并计算预测准确率。

预测新的中文姓名的性别：

a. 定义一个预测函数：该函数接受一个中文姓名作为输入，并返回预测的性别。

b. 输入检查：确保输入的姓名是一个字符串。

c. 特征提取：将输入的姓名转换为数字特征向量，与训练数据的特征表示相同。

d. 预测性别：使用训练好的朴素贝叶斯分类器预测输入姓名的性别，并返回预测结果。

在整个过程中，我们使用了Python的numpy和pandas库来处理数据和进行计算。此外，我们还使用了列表推导式、lambda函数和map函数等Python特性来简化代码和提高代码可读性。

import pandas as pd
import numpy as np

# 加载数据集
df = pd.read_csv('Name2.txt', header=None, names=['name', 'gender'], delimiter='\t', encoding='utf-8')

# 将姓名拆分为单个汉字
df['name'] = df['name'].apply(lambda x: list(x))

# 将标签转换为数字
df['gender'] = df['gender'].map({'男': 0, '女': 1}).values

# 将姓名转换为数字特征向量
char_to_index = {}
index_to_char = {}
for name in df['name']:
    for char in name:
        if char not in char_to_index:
            index = len(char_to_index)
            char_to_index[char] = index
            index_to_char[index] = char

num_chars = len(char_to_index)
num_names = len(df)
X = np.zeros((num_names, num_chars))
for i, name in enumerate(df['name']):
    for char in name:
        j = char_to_index[char]
        X[i, j] += 1

y = df['gender']

class NaiveBayesClassifier:
    def __init__(self, num_classes, num_features):
        self.num_classes = num_classes
        self.num_features = num_features
        self.priors = np.zeros(num_classes)
        self.conditionals = np.zeros((num_classes, num_features))
        
    def fit(self, X, y):
        # 计算先验概率
        for i in range(self.num_classes):
            self.priors[i] = np.mean(y == i)
        
        # 计算条件概率
        for i in range(self.num_classes):
            X_i = X[y == i]
            self.conditionals[i] = (X_i.sum(axis=0) + 1) / (X_i.sum() + self.num_features)
        
    def predict(self, X):
        # 计算后验概率
        log_p_y = np.log(self.priors)
        log_p_x_y = np.log(self.conditionals)
        log_p_x_y_c = np.dot(X, log_p_x_y.T)
        log_p_y_x = log_p_x_y_c + log_p_y
        # 预测类别
        y_pred = np.argmax(log_p_y_x, axis=1)
        return y_pred

# 将数据集分为训练集和测试集
num_train = int(num_names * 0.8)
X_train, y_train = X[:num_train], y[:num_train]
X_test, y_test = X[num_train:], y[num_train:]

# 训练朴素贝叶斯分类器
clf = NaiveBayesClassifier(num_classes=2, num_features=num_chars)
clf.fit(X_train, y_train)

# 测试分类器
y_pred = clf.predict(X_test)
accuracy = np.mean(y_pred == y_test)
print('Accuracy: %.2f%%' % (accuracy * 100))

# 定义一个函数来预测中文姓名的性别
def predict_gender(name):
    # 检查输入名字是否为字符串
    if not isinstance(name, str):
        raise ValueError("输入的名字必须是一个字符串")

    # 将姓名转换为数字特征向量
    name_vec = np.zeros(num_chars)
    for char in name:
        if char in char_to_index:
            j = char_to_index[char]
            name_vec[j] += 1
    log_p_male = np.log(clf.priors[0]) + np.sum(np.log(clf.conditionals[0][name_vec.nonzero()]))
    log_p_female = np.log(clf.priors[1]) + np.sum(np.log(clf.conditionals[1][name_vec.nonzero()]))
    gender = 0 if log_p_male > log_p_female else 1
    return '女' if gender == 1 else '男'

# 预测新的中文姓名的性别
name1 = '乾元滴'
gender1 = predict_gender(name1)
print(name1 + '的性别是：' + gender1)

name2 = '殷无霜'
gender2 = predict_gender(name2)
print(name2 + '的性别是：' + gender2)