【sklearn实例】1-贝叶斯算法

问题

朴素贝叶斯求解

• 朴素贝叶斯公式：
  
• 求解思想：即求先验概率与条件概率乘积的最大值
  
• 求解
  

注意：
本人求解过程中忘记了 Laplace 平滑 (⊙︿⊙)，但好在预测值里面没有学历为博士的一项，所以不平滑也不影响预测，但这样是不规范的。

代码

• 分析

1 读取数据
2 数据切片，转换（将字符型数据编码）
3 划分训练集和测试集
4 导入 sklearn 贝叶斯方法，拟合
5 预测输入值

#导入数据 read_csv

import pandas as pd
import numpy as np
c=pd.read_csv('career_data.csv')
print c

# 将特征的离散数据 编码 用 LabelEnco