贝叶斯分类器python,实验一 贝叶斯分类器的python实现

题目描述

汽车评价数据集

共1728个数据，每个数据特征为6维，分为4类，类别标记为unacc，acc，good，V-good

四个类别标记分别表示汽车性价比等级(由低到高)

unacc：1210个

acc：384个

good：69个

V-good：65个

6个特征分别为：(6个属性)

1、buying (取值：v-high、high、med、low) 表示购买价格

2、maint (取值： v-high、high、med、low) 表示维修价格

3、door (取值：2、3、4、5-more) 车门数量

4、Persons (取值：2、4、more) 可容纳人数

5、Lug_boot (取值：small、med、big) 行李箱大小

Safety (取值：low、med、high) 安全系数

链接：http://archive.ics.uci.edu/ml/datasets/Car+Evaluation

实验完成要求：

1.仔细阅读并了解实验数据集；

2.使用任何一种熟悉的计算机语言(比如 C，Java或者MATLAB)实现朴素贝叶斯算法；

3.利用朴素贝叶斯算法在训练数据上学习分类器，训练数据的大小分别设置为：前100个数据，前200个数据，前500个数据，前700个数据。前1000个数据，前1350个数据；

4.利用测试数据对学习的分类器进行性能评估；

5.演示实验，提交代码，统计分析实验结果并上交实验报告；

开始做题

想要实现贝叶斯分类器，可以分为两个部分，一个是训练，另一部分是检验。

训练即将贝叶斯公式用代码语言描述，具体的贝叶斯公式这里就不赘述了

更艰难的是数据的分类，需要大量的重复性代码

其实绕来绕去就是一个统计+计算判断

代码实现

运行结果

import csv

import random

#import pandas

#数据导入及分成两份

def loadcsv(name):

f = csv.reader(open(name,'r'))

dataset = list(f)

return dataset

def randDivision(dataset , trainSize):

copy = list(dataset)

train = []

while len(train)

index = random.randrange(len(copy))

train.append(copy.pop(index))

return [train, copy]

#初始化一些数据

data1 = [[0.0,0.0,0.0,0.0],[0.0,0.0,0.0,0.0],[0.0,0.0,0.0,0.0],[0.0,0.0,0.0],[0.0,0.0,0.0],[0.0,0.0,0.0]]

dataunacc = [[0.0,0.0,0.0,0.0],[0.0,0.0,0.0,0.0],[0.0,0.0,0.0,0.0],[0.0,0.0