机器学习(二)：朴素贝叶斯算法

最新推荐文章于 2023-12-21 22:15:00 发布

原创

最新推荐文章于 2023-12-21 22:15:00 发布 · 1k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#朴素贝叶斯 #python #skleran #机器学习

文章目录

朴素贝叶斯

介绍

朴素贝叶斯是一个使用贝叶斯定理进行建模的分类器。属于分类算法一列，它是基于贝叶斯定理和一个朴素的假设，即所有的特征都相互独立于其他给定的响应变量。而朴素贝叶斯还有一个假设就是每个特征同等重要。尽管这个假设看起开起来是有错的，但是实际效果却很好。朴素贝叶斯有多项式朴素贝叶斯、高斯朴素贝叶斯、伯努利朴素贝叶斯这几种类型，

原理

贝叶斯公式 P(A)是观察到事件A的概率，P(B)是观察到事件B的概率。P(A|B)是观察到事件B的同时又观察到事件A的条件概率。
将公式换为平时分类的就会更容易识别
在这里插入图片描述
我们要求的就是P(类别|特征)的值，即在有这些特征下属于某类别的概率。

实现

scikit-learn实现

这里使用皮马印第安人糖尿病数据集做实验，数据集在这数据集

import numpy as np
from sklearn.naive_bayes import GaussianNB  # 导入sklearn的贝叶斯算法
from sklearn.model_selection import train_test_split


data = pd.read_csv('/home/h/Downloads/pima-indian