朴素贝叶斯python复现（基于数据集iris）

@朴素贝叶斯算法Python复现（基于iris数据集）TOC

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

本节主要讲的是朴素贝叶斯算法以及相应的Python复现（基于iris的数据集）。本段代码没有进行K折交叉验证，希望有需要的读者可以自行添加，如果对其他数据集有分类情况偏低，可以考虑添加一下拉普拉斯修正，或者对数据进行归一化处理。

接下来，对朴素贝叶斯定理做一个简单的介绍，如果需要了解详细内容可以找相关资料进行学习

一、朴素贝叶斯分类器

1.贝叶斯分类 ：是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。
2.朴素贝叶斯定理：

表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率

3.拉普拉斯修正：


拉普拉斯修正：为了避免其他属性携带的信息被训练集中未出现的属性抹去，在估计概率值时通常要进行smoothing,常使用拉普拉斯修正。具体来说，令N表示训练集D中可能的类别数，Ni表示第i个属性可能的取值数。

接下来是我的一些学习笔记，提供参考：

三、朴素贝叶斯分类器python代码

1.引入库

pandas：exce表数据集的读取
shuffle：数据集打乱顺序
exp：自然指数e

import pandas as pd
import numpy as np
from math import pi
from numpy import exp
from sklearn.utils import shuffle

2.读取数据集并根据标签值分类

此处主要是将不同属性的三个标签用字典进行分类
返回的每一个dict都是3个标签的同一个属性的数据

fpath = r'd:iris.xls'
    object = pd.read_excel(fpath)
    object = shuffle(object)
    list = []
    dict1 = {
   }
    dict2 = {
   }
    dict3 = {
   }
    dict4 = {
   }
    i1 = object.iloc[100:150,0:5]
    test_set = i1.values.tolist()#测试集
#.....................................................................................
    m1 = object.iloc[0:100, [0, 4]]
    m2 = m1.values.tolist()
    for j in m2:
        if j[1] not in dict1:
            dict1[j[1]] = [j[0]]
        else:
            dict1[j[1]].append(j[0])
    print(dict1)
    m1 = object.iloc[0:100, [1, 4]]
    m2 = m1.values.tolist()
    for j in m2:
        if j[1] not in dict2:
            dict2[j[1]] = [j[0]]
        else:
            dict2[j[1]].append(j[0])
    m1 = object.iloc[0:100, [2, 4]]
    m2 = m1.values.tolist()
    for j in m2:
        if j[1] not in dict3:
            dict3[j[1]] = [j[0]]
        else:
            dict3[j[1]].append(j[0])
            m1 = object.iloc[0:100, [3, 4]]
            m2 = m1.values.tolist()
            for j in m2:
                if j[1] not in dict4:
                    dict4[j[1]] = [j[0]]
                else:
                    dict4[j[1]].append(j[0])

    return dict1,dict2,dict3,dict4,test_set

这个是第一个属性分类后dict1相应的返回值，test_set是测试集的数据集合。

3.定义均值和方差

输入的per_dataset是每一个数据的数据

def average_variance