实验三 朴素贝叶斯算法及应用

作业信息

| 博客班级 |机器学习实验-计算机18级 |
| ---- | ---- | ---- |
| 作业要求 | 实验三 朴素贝叶斯算法及应用 |
|作业目标|理解贝叶斯算法原理，掌握贝叶斯算法框架|
|学号|3180701212|

一、实验目的
1.理解朴素贝叶斯算法原理，掌握朴素贝叶斯算法框架；
2.掌握常见的高斯模型，多项式模型和伯努利模型；
3.能根据不同的数据类型，选择不同的概率模型实现朴素贝叶斯算法；
4.针对特定应用场景及数据，能应用朴素贝叶斯解决实际问题。

二、实验内容
1.实现高斯朴素贝叶斯算法。
2.熟悉sklearn库中的朴素贝叶斯算法；
3.针对iris数据集，应用sklearn的朴素贝叶斯算法进行类别预测。
4.针对iris数据集，利用自编朴素贝叶斯算法进行类别预测。

三、实验报告要求
1.对照实验内容，撰写实验过程、算法及测试结果；
2.代码规范化：命名规则、注释；
3.分析核心算法的复杂度；
4.查阅文献，讨论各种朴素贝叶斯算法的应用场景；
5.讨论朴素贝叶斯算法的优缺点。

四、实验过程
1.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from collections import Counter
import math

# data
def create_data():
    iris = load_iris()
    df = pd.DataFrame(iris.data, columns=iris.feature_names)
    df['label'] = iris.target
    df.columns = [
        'sepal length', 'sepal width', 'petal length', 'petal width', 'label'
    ]
    data = np.array(df.iloc[:100, :])
    # print(data)
    return data[:, :-1], data[:, -1]

X, y = create_data()
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

4

X_test[0], y_test[0]

class NaiveBayes:
    def __init__(self):
        self.model = None
    # 数学期望
    @staticmethod
    def mean(X):
        return sum(X) / float(len(X))
    # 标准差（方差）
    def stdev(self, X):
        avg = self.mean(X)
        return math.sqrt(sum([pow(x - avg, 2) for x in X]) / float(len(X)))
    # 概率密度函数
    def gaussian_probability(self, x, mean, stdev):
        exponent = math.exp(-(math.pow(x - mean, 2) /
                              (2 * math.pow(stdev, 2))))
        return (1 / (math.sqrt(2 * math.pi) * stdev)) * exponent
    # 处理X_train
    def summarize(self, train_data):
        summaries = [(self.mean(i), self.stdev(i)) for i in zip(*train_data)]
        return summaries
    # 分类别求出数学期望和标准差
    def fit(self, X, y):
        labels = list(set(y))
        data = {label: [] for label in labels}
        for f, label in zip(X, y):
            data[label].append(f)
        self.model = {
            label: self.summarize(value)
            for label, value in data.items()
        }
        return 'gaussianNB train done!'
    # 计算概率
    def calculate_probabilities(self, input_data):
        # summaries:{0.0: [(5.0, 0.37),(3.42, 0.40)], 1.0: [(5.8, 0.449),(2.7, 0.27)]}
        # input_data:[1.1, 2.2]
        probabilities = {}
        for label, value in self.model.items():
            probabilities[label] = 1
            for i in range(len(value)):
                mean, stdev = value[i]
                probabilities[label] *= self.gaussian_probability(
                    input_data[i], mean, stdev)
        return probabilities
    # 类别
    def predict(self, X_test):
        # {0.0: 2.9680340789325763e-27, 1.0: 3.5749783019849535e-26}
        label = sorted(
            self.calculate_probabilities(X_test).items(),
            key=lambda x: x[-1])[-1][0]
        return label
    def score(self, X_test, y_test):
        right = 0
        for X, y in zip(X_test, y_test):
            label = self.predict(X)
            if label == y:
                right += 1
        return right / float(len(X_test))

6

model = NaiveBayes()

7

model.fit(X_train, y_train)

8

print(model.predict([4.4, 3.2, 1.3, 0.2]))

9

model.score(X_test, y_test)

10

from sklearn.naive_bayes import GaussianNB

12

clf = GaussianNB()
clf.fit(X_train, y_train)

13

clf.score(X_test, y_test)

14

clf.predict([[4.4, 3.2, 1.3, 0.2]])

15

from sklearn.naive_bayes import BernoulliNB, MultinomialNB # 伯努利模型和多项式模型

实验小结
本次实验是我们机器学习这门课程的最后一次实验，首先要感谢王老师一直以来对我们的悉心教导，王老师对我们无论是理论课的学习还是考研方面都给予了我们莫大的帮助。通过此次实验，我们对于理论课上所学习的朴素贝叶斯算法有了进一步认识，朴素贝叶斯算法具有简单、高效、易实现等特点；我们通过此次实验，掌握了常见的高斯模型，多项式模型和伯努利模型；能根据不同的数据类型，选择不同的概率模型实现朴素贝叶斯算法；针对特定应用场景及数据，能应用朴素贝叶斯解决实际问题。

psp2	任务内容	计划完成需要的时间	实际完成需要的时间
planning	计划	15	13
estimate	估计这个任务需要多少时间，并规划大致工作步骤	12	15
development	开发	120	105
analysis	需求分析	10	8
design spec	生成设计文档	9	12
design review	设计复审	5	5
coding standard	代码规范	5	3
design	具体设计	10	18
coding	具体编码	35	39
code review	代码复审	6	8
test	测试	10	12
reporting	报告	6	8
test reporting	测试报告	3	2
size measurement	计算工作量	3	2
postmortem & process improvement plan	总结并提出改进计划	5	8