第116天：机器学习算法之朴素贝叶斯理论

本文主要是介绍第116天：机器学习算法之朴素贝叶斯理论，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

朴素贝叶斯（Naive Bayesian Mode，NBM）

贝叶斯由来

贝叶斯是由英国学者托马斯·贝叶斯 提出的一种纳推理的理论，后来发展为一种系统的统计推断方法。被称为贝叶斯方法。

朴素贝叶斯

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。优点是在数据较少的情况下仍然有效，可以处理多类别的问题。缺点是对于输入数据的装备方式较为敏感。适用于标称型的数据。

特征条件独立：假设 X 的 N 个特征在类确定的条件下都是条件独立的。这样大大简化了计算的复杂度，但是会牺牲一些准确性。

标称型数据：只在有限目标集中取值，比如真与假。

贝叶斯定理

条件概率就是指在事件 B 发生的情况下事件 A 发生的概率，用 P(A|B) 表示，读作 "A 在 B 发生的条件下发生的概率"。

根据文氏图，可以看出在事件 B 发生的情况下，事件 A 发生的概率为 P(A∩B) 除以P(B)。

其中：

1. P(A) 是 A 的先验概率或边缘概率，不考虑 B 的因素
2. P(A|B) 是已知 B 发生后 A 的条件概率，也称作 A 的后验概率。
3. P(B|A) 是已知 A 发生后 B 的条件概率，也称作 B 的后验概率，称作似然度。
4. P(B) 是 B 的先验概率或边缘概率，称作标准化常量。
5. P(B|A)/P(B) 称作标准似然度。

示例1：桶中的石子

假设现在有  A 桶 和 B 桶两个桶，A 桶里面装有 4 块石子分别2 块黑色的石子和2块灰色的石子，B 桶里面装有 3 块石子分别为 2 块黑色石子和 1  块灰色石子，那么在这两个桶里面取出任意一个石子且都是灰色的，问这个灰色石子在 A 桶中被取出的概率是多少？

假设在 A 桶里面取出石子为事件 A，取出灰色石子为事件 B，在 A 桶中取出灰色石子的事件概率为 P(B|A)，则：P(A) = 4/7，P(B) = 3/7，P(B|A) = 1/2，按照公式：

所以，在两个桶里面取出任意一个石子且为灰色的，这个灰色石子在 A 桶被取出的概率为 2/3

示例2：根据天气情况判断是否出去游玩

在现实中我们经常按天气情况判断是否出去游玩，下面做成一个表格

现在有个朋友喊你出去游玩，但是天气是多云、温度较冷、湿度较低、风力强，判断一下是否出去游玩。

套用上面朴素贝叶斯公式 P(类别|特征) 为 P(是|多云、冷、低、弱) 和 P(类别|特征) = P(否|多云、冷、低、弱) 的概率。

如果 P(是|多云、冷、低、弱) > P(否|多云、冷、低、弱)，则为出去游玩。如果 P(是|多云、冷、低、弱) < P(否|多云、冷、低、弱)，则为不出去游玩。

统计出去游玩的特征概率

下面就可以将特征一个一个统计计算

1.首先我们整理出去玩的样本，结果为是则出去游玩的样本如下，一共有 3 条数据

P(是) = 4/10 = 2/5

2.当天气为多云出去游玩 P(多云|是) 的样本统计如下：

P(多云|是) = 3/4

3.当温度为冷出去游玩 P(冷|是) 的样本统计如下：

P(冷|是) = 1/4

4.当湿度为低出去游玩 P(低|是) 的样本统计如下

P(低|是) = 3/4

5.当风力为弱出去游玩 P(弱|是) 的样本统计如下

P(弱|是) = 1/4

在这里已经统计出了 P(多云∣是)、P(冷∣是)、P(低∣是)、P(弱∣是)、P(是) 的概率，下面开始统计 P(多云)、P(冷)、P(低)、P(弱) 的概率

1.天气为多云 P(多云) 的样本统计一共有 6 条，概率则为 6/10。P(多云) = 6/10 = 3/5

2.温度为冷 P(冷) 的样本统计一共有 4 条，概率则为 4/10。P(冷) = 4/10 = 2/5

3.湿度为冷 P(低) 的样本统计一共有 4 条，概率则为 4/10。P(低) = 4/10 = 2/5

4.风力为弱 P(弱) 的样本统计一共有 5 条，概率则为 1/2。P(弱) = 1/2

计算游玩概率

统计不出去游玩的特征概率

在是否出去游玩中计算了多云、冷、低、强的天气情况下出去游玩  P(是|多云、冷、低、弱) 的概率之后，还需要计算同样的天气情况下不出去游玩 P(否|多云、冷、低、弱)的概率，和上面使用同样的方法计算  P(多云|否)、P(冷|否)、P(低|否)、P(弱|否)*P(否) 的概率。

1.统计不出去游玩 P(否) 的概率，P(否) = 6/10 = 3/5

2.统计当天气为多云不出去游玩 P(多云|否) 的样本概率，P(多云|否) = 3/6 = 1/2

3.统计当温度为冷不出去游玩 P(冷|否) 的样本概率，P(冷|否) = 3/6 = 1/2

4.统计当湿度为低不出去游玩 P(低|否) 的样本概率，P(低|否) = 1/6

5.当风力为弱不出去游玩 P(弱|否) 的样本概率，P(弱|否) = 4/6 = 2/3

计算不游玩概率

概率比较

很显然的结果：(3/4  * 1/4 * 3/4 * 1/4 * 2/5) / (3/5 * 2/5 * 2/5 * 1/2) < (1/2 * 1/2 *  1/6 * 2/3 * 3/5) / (3/5 * 2/5 * 2/5 * 1/2) 所以 P(是|多云、冷、低、弱) <  P(否|多云、冷、低、弱)。

Python 实现

在 Python 中借助 pandas 模块和 numpy 模块可以实现计算朴素贝叶斯，在代码中需要做几件事情：

1. 需要选择样本，如：示例2中的天气样本
2. 计算每个类别的概率，这是先验概率
3. 计算每个特征和类别同时发生的概率，这是后验概率
4. 计算条件概率
5. 比较特征出现在类别的概率

import pandas as pdimport numpy as np
class Nbm(object):
    def getSampleSet(self):        dataSet = np.array(pd.read_csv('csv文件'))  #将数据转为数组        featureData = dataSet[:, 0 : dataSet.shape[1] - 1] #取出特征        labels = dataSet[:, dataSet.shape[1] - 1] #取出类别        return featureData, labels

    def priori(self, labels):        # 求出是和否的先验概率        labels = list(labels)        priori_ny = {}        for label in labels:            priori_ny[label] = labels.count(label) / float(len(labels)) # P = count(label) / count(labels)        return priori_ny
    def feature_probability(self, priori_ny, features):        # 求出特征概率：多云+是，多云+否，冷+是，冷+否同时发生的概率        p_feature_ny = {}        for ny in priori_ny.keys():            ny_index = [i for i, label in enumerate(labels) if label == ny] # 是、否的下标            for j in range(len(features)):                f_index = [i for i, feature in enumerate(trainData[:, j]) if feature == features[j]] # 特征的下标                xy_count = len(set(f_index) & set(ny_index)) # 类别和特征下标相同的长度                pkey = str(features[j]) + '+' + str(ny)                p_feature_ny[pkey] = xy_count / float(len(labels)) # 特征和类别同时发生的概率        return p_feature_ny
    def conditional_probability(self, priori_ny, feature_probability, features):        #求出条件概率        P = {}        for y in priori_ny.keys():            for x in features:                pkey = str(x) + '|' + str(y)                P[pkey] = feature_probability[str(x) + '+' + str(y)] / float(priori_ny[y])  # P[X1/Y] = P[X1Y]/P[Y]        return P
    def classify(self, priori_ny, feature_probability, features):

        #求条件概率        p = self.conditional_probability(priori_ny, feature_probability, features)
        #求出[多云、冷、低、弱]所属类别        f = {}        for ny in priori_ny:            f[ny] = priori_ny[ny]            for x in features:                f[ny] = f[ny] * p[str(x)+'|'+str(ny)]   #计算P(多云∣是)∗P(冷∣是)∗P(低∣是)∗P(弱∣是)∗P(是)
        return max(f, key=f.get)  #概率最大值对应的类别

if __name__ == '__main__':    nbm = Nbm()    features = ['多云', '冷', '低', '弱']    trainData, labels = nbm.getSampleSet()    priori_ny = nbm.priori(labels)
    feature_probability = nbm.feature_probability(priori_ny, features)
    result = nbm.classify(priori_ny, feature_probability, features)
    print(features, '的结果是', result)

总结

简单的介绍了朴素贝叶斯的一些概念，用了两个示例来增强朴素贝叶斯的学习，希望对大家有所帮助。

参考资料

《机器学习实战》

https://baike.baidu.com/item/贝叶斯公式

https://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html

https://zhuanlan.zhihu.com/p/26262151

代码地址

示例代码：https://github.com/JustDoPython/python-100-day/tree/master/day-116

  第 115 天：Python 到底是值传递还是引用传递

  第 114 天：三木板模型算法项目实战

  第 113 天：Python XGBoost 算法项目实战

  第 112 天：机器学习算法之蒙特卡洛

  第 111 天：Python 垃圾回收机制

从 0 学习 Python 0 - 110 大合集总结

这篇关于第116天：机器学习算法之朴素贝叶斯理论的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！