第116天:机器学习算法之朴素贝叶斯理论
Posted Python技术
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第116天:机器学习算法之朴素贝叶斯理论相关的知识,希望对你有一定的参考价值。
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)。
所以
同理可得
所以
得到
其中:
-
P(A) 是 A 的先验概率或边缘概率,不考虑 B 的因素 -
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。 -
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。 -
P(B) 是 B 的先验概率或边缘概率,称作标准化常量。 -
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
天气 | 温度 | 湿度 | 风力 | 结果 |
---|---|---|---|---|
多云 | 热 | 高 | 强 | 是 |
多云 | 热 | 高 | 强 | 否 |
多云 | 冷 | 高 | 弱 | 否 |
多云 | 冷 | 高 | 弱 | 否 |
多云 | 冷 | 低 | 弱 | 是 |
多云 | 热 | 低 | 中 | 是 |
小雨 | 热 | 高 | 弱 | 否 |
小雨 | 冷 | 高 | 弱 | 否 |
小雨 | 热 | 低 | 中 | 是 |
小雨 | 低 | 低 | 强 | 否 |
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。
由朴素贝叶斯公式可知:
在朴素贝叶斯中,每个特征都是相互独立的,所以可以拆分成为
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
天气 | 温度 | 湿度 | 风力 | 结果 |
---|---|---|---|---|
多云 | 热 | 高 | 强 | 是 |
多云 | 冷 | 低 | 弱 | 是 |
多云 | 热 | 低 | 中 | 是 |
小雨 | 热 | 低 | 中 | 是 |
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:
天气 | 温度 | 湿度 | 风力 | 结果 |
---|---|---|---|---|
多云 | 热 | 高 | 强 | 是 |
多云 | 冷 | 低 | 弱 | 是 |
多云 | 热 | 低 | 中 | 是 |
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:
天气 | 温度 | 湿度 | 风力 | 结果 |
---|---|---|---|---|
多云 | 冷 | 低 | 弱 | 是 |
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
天气 | 温度 | 湿度 | 风力 | 结果 |
---|---|---|---|---|
多云 | 冷 | 低 | 弱 | 是 |
多云 | 热 | 低 | 中 | 是 |
小雨 | 热 | 低 | 中 | 是 |
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
天气 | 温度 | 湿度 | 风力 | 结果 |
---|---|---|---|---|
多云 | 冷 | 低 | 弱 | 是 |
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
到这里已经统计出了 P(多云)、P(冷)、P(低)、P(弱) 的概率,把所有数值带入公式:
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
上面计算了当不出去游玩是天气情况的概率,则把数值带入公式:
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:
-
需要选择样本,如:示例2中的天气样本 -
计算每个类别的概率,这是先验概率 -
计算每个特征和类别同时发生的概率,这是后验概率 -
计算条件概率 -
比较特征出现在类别的概率
import pandas as pd
import 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
以上是关于第116天:机器学习算法之朴素贝叶斯理论的主要内容,如果未能解决你的问题,请参考以下文章