Python朴素贝叶斯模型算法【附代码】

目录

1、一维特征向量下的贝叶斯模型

（1）一维特征向量下的贝叶斯模型

（2）二维特征向量下的贝叶斯模型

（3）n维特征向量下的贝叶斯模型

（4）朴素贝叶斯模型简单代码演示

2、案例 - 肿瘤预测模型

（1）案例背景

（2）数据读取与划分

1、读取数据

2、划分特征变量和目标变量

3、模型预测 - 预测数据结果

---

1、一维特征向量下的贝叶斯模型

（1）一维特征向量下的贝叶斯模型

       贝叶斯分类是机器学习中应用极为广泛的分类算法之一，其产生来自于贝叶斯对于逆概问题的思考，朴素贝叶斯是贝叶斯模型当中最简单的一种。其算法核心为贝叶斯公式：

其中P(A)为事件A发生的概率

P(B)为事件B发生的概率

P(A|B)表示在事件B发生的条件下事件A发生的概率

同理P(B|A)则表示在事件A发生的条件下事件B发生的概率

       首先以一个更详细的例子来讲解一下贝叶斯公式更加偏实战的应用：如何判断一个人是否感冒了。假设已经有5个样本数据，如下表所示：

打喷嚏 (X1)	感冒 (Y)
1	1
1	1
0	1
1	1
1	0

       打喷嚏 (X1):其中数字1表示打喷嚏&#