python训练贝叶斯算法进行某个实例的属实率预测

一、算法思路

客户的业务系统做的是关于某方面的投诉案件处理，实际工作中客户提出一个需求，要求使用投诉案件里面的被投诉信息（比如投诉的渠道、投诉者，投诉的行业类别等），提前预估这个投诉案件属实的概率。为了解决这个问题，我打算使用贝叶斯算法根据历史案件的信息进行属实率的预测，虽然理论上的贝叶斯有属实的条件概率和非属实的条件概率比较，这里鉴于客户的实际需求并不需要比较两者的大小，所以这里省略了比较的过程，但是原理还是一样的。

二、数据提取

由于业务系统的数据统一放在服务器的Oracle数据库中，所以需要使用python连接Oracle数据库将需要的数据进行提取。这里为了使用了sqlalchemy框架进行Oracle数据库的连接。具体步骤是：

1、先加载框架包

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker

2、使用框架包连接Oracle，注意这里的格式是

engine=create_engine('oracle://dbname:dbpassword@ip:port/SID?charset=utf8', echo=False,pool_recycle=3600)

DBSession = sessionmaker(bind=engine)

SQLsession = DBSession()

其中pool_recycle这个参数是设置连接的时限，不设置会断开连接，而echo值是设置是否显示每次运行的sql的语句。

3、运行sql语句，得到所需的数据视图，存储在变量result中

三、进行算法的训练

首先建立一个计算最终概率结果的函数classifyfunction