实验三：朴素贝叶斯算法实验

【实验目的】

理解朴素贝叶斯算法原理，掌握朴素贝叶斯算法框架。

【实验内容】

针对下表中的数据，编写python程序实现朴素贝叶斯算法（不使用sklearn包），对输入数据进行预测；
熟悉sklearn库中的朴素贝叶斯算法，使用sklearn包编写朴素贝叶斯算法程序，对输入数据进行预测；

【实验报告要求】

对照实验内容，撰写实验过程、算法及测试结果；
代码规范化：命名规则、注释；
查阅文献，讨论朴素贝叶斯算法的应用场景。

【实验代码及结果截图】

一、编写python程序实现朴素贝叶斯算法（不使用sklearn包）

#导入包
import pandas as pd
import numpy as np


#数据预处理
data=pd.read_csv("西瓜数据集3.0.txt",delimiter=',',header=None,names=['色泽','根蒂','敲声','纹理','脐部','触感','好瓜'])
x=data.drop(['好瓜'],axis=1)
y=data['好瓜']

x

y

#朴素贝叶斯算法
def nb_fit(x,y):
    classes=y.unique()
    class_count=y.value_counts()
    class_prior=(class_count+1)/(len(y)+2)#拉普拉斯平滑
    prior=dict()
    for col in x.columns:
        a=x[col].value_counts()
        for j in classes:
            p_x_y=x[(y==j).values][col].value_counts()
            for i in a.index:
                if(i in p_x_y.index):
                    prior[(col,i,j)]=(p_x_y[i]+1)/(class_count[j]+3)#拉普拉斯平滑
                else:
                    prior[(col,i,j)]=1/(class_count[j]+3)
    return classes,class_prior,prior

#预测函数
def predict(X_test):
    classes=y.unique()
    class_count=y.value_counts()
    class_prior=(class_count+1)/(len(y)+2)
    prior=dict()
    for col in x.columns:
        a=x[col].value_counts()
        for j in classes:
            p_x_y=x[(y==j).values][col].value_counts()
            for i in a.index:
                if(i in p_x_y.index):````
                    prior[(col,i,j)]=(p_x_y[i]+1)/(class_count[j]+3)#拉普拉斯平滑
                else:
                    prior[(col,i,j)]=1/(class_count[j]+3)
    result=dict()
    for c in classes:
        p_y=class_prior[c]
        p_x_y=1
        for i in X_test.items():
            p_x_y*=prior[tuple(list(i)+[c])]
        result[c]=p_y*p_x_y
    return result
print(nb_fit(x,y))

X_test={"色泽":"乌黑","根蒂":"蜷缩","敲声":"沉闷","纹理":"清晰","脐部":"凹陷","触感":"碍滑"}
X_test.items()
result=predict(X_test)
print('\n')
print(result)
print('测试数据预测类别为：',max(result,key=result.get))

输出实验结果

二、使用sklearn包编写朴素贝叶斯算法程序

#导入包
import pandas as pd
from sklearn.model_selection import train_test_split  
from sklearn.naive_bayes import GaussianNB  # 高斯分布
from sklearn.naive_bayes import MultinomialNB  # 多项式分布
from sklearn.naive_bayes import BernoulliNB #伯努利分布


#数据预处理
data=[['0','0','0','0','0','0','1'],
      ['1','0','1','0','0','0','1'],
      ['1','0','0','0','0','0','1'],
      ['0','0','1','0','0','0','1'],
      ['2','0','0','0','0','0','1'],
      ['0','1','0','0','1','1','1'],
      ['1','1','0','1','1','1','1'],
      ['1','1','0','0','1','2','1'],
      ['1','1','1','1','1','2','0'],
      ['0','2','2','0','2','1','0'],
      ['2','2','2','2','2','2','0'],
      ['2','0','0','2','2','1','0'],
      ['0','1','0','1','0','2','0'],
      ['2','1','1','1','0','2','0'],
      ['1','1','0','0','1','1','0'],
      ['2','0','0','2','2','2','0'],
      ['0','0','1','1','1','2','0']]

"""
设置数据：  青绿:0 乌黑:1 浅白:2
            蜷缩:0 稍蜷:1 硬挺:2
            浊响:0 沉闷:1 清脆:2
            清晰:0 稍糊:1 模糊:2
            凹陷:0 稍凹:1 平坦:2
            碍滑:0 软粘:1 硬滑:2
            是:1 否:0

"""

labels=['色泽','根蒂','敲声','纹理','脐部','触感','好瓜']
data2=pd.DataFrame(data,columns=labels)
x=data2.drop(['好瓜'],axis=1)
y=data2['好瓜']
#划分数据集为训练集和测试集
xtrain,xtest,ytrain,ytest=train_test_split(x,y,test_size=0.3,random_state=0)

#高斯朴素贝叶斯
Gc=GaussianNB()
Gc.fit(xtrain,ytrain)
result=Gc.predict(xtest)
print(result)
print("预测的准确率为：",Gc.score(xtest,ytest))

#多项式朴素贝叶斯
mc=MultinomialNB()
mc.fit(xtrain,ytrain)
result=mc.predict(xtest)
print(result)
print("预测的准确率为：",mc.score(xtest,ytest))

#伯努利朴素贝叶斯
bc=BernoulliNB()
bc.fit(xtrain,ytrain)
result=bc.predict(xtest)
print(result)
print("预测的准确率为：",bc.score(xtest,ytest))
#预测数据，以乌黑，稍蜷，沉闷，稍糊，稍凹，硬滑样本属性为例
a=['1','1','1','1','1','2']
a=pd.DataFrame(a)
b=a.T
print("\n预测值为：")
print(b)
print("高斯分布预测结果为：",  Gc.predict(b))
print("多项式分布预测结果为：",mc.predict(b))
print("伯努利分布预测结果为：",bc.predict(b))

输出实验结果

【实验总结】

朴素贝叶斯算法的应用场景：
需要一个比较容易解释，而且不同维度之间相关性较小的模型的时候；
可以高效处理高维数据，虽然结果可能不尽如意；
主要运用于文本分类，垃圾邮件分类，信用评估，钓鱼网站检测等领域。