朴素贝叶斯分类器python实现_python 实现朴素贝叶斯分类器（离散数据）

有用请点赞，没用请差评。

欢迎分享本文，转载请保留出处。

朴素贝叶斯算法步骤：

贝叶斯估计

代码：

# -*- coding:utf-8 -*-

# naive Bayes  朴素贝叶斯法

#author:Tomator

"""

算法参考与李航博士《统计学习方法》

采用贝叶斯估计(拉普拉斯平滑)计算先验概率和条件概率

"""

from collections import Counter, defaultdict

import  numpy as np

import  operator

class NBayes(object):

def __init__(self,smooth=1):

self.smooth = smooth  # 贝叶斯估计方法的平滑参数smooth=1，当smooth=0时即为最大似然估计

self.p_prior = {}  # 先验概率

self.p_condition = {}  # 条件概率

def train(self, vector_data , label_data):

n_samples = label_data.shape[0]       #计算样本数

# 统计不同类别的样本数，并存入字典，key为类别，value为样本数

# Counter类的目的是用来跟踪值出现的次数。以字典的键值对形式存储，其中元素作为key，其计数作为value。

dict_label = Counter(la