机器学习：详解半朴素贝叶斯分类AODE原理(附Python实现)

Posted 2022-10-07 Mr.Winter`

目录

• 0 写在前面
• 1 独依赖假设
• 2 AODE原理
• 3 Python实现
• • 3.1 计算类先验概率
  • 3.2 计算属性后验概率
  • 3.3 预测

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。

🚀详情：机器学习强基计划(附几十种经典模型源码合集)

---

1 独依赖假设

在机器学习强基计划4-3：详解朴素贝叶斯分类原理 | 例题分析 | Python实现中我们介绍了朴素贝叶斯之所以“朴素”，是因为其给定了很强的属性独立性假设。然而，属性独立性假设在实际上很难成立，因此引入半朴素贝叶斯分类器(Semi-Naïve Bayes Classifier)，其核心思想是：适当考虑部分属性的相互依赖，从而既简化了联合概率计算，又不至于彻底忽略属性间的强依赖关系。

半朴素贝叶斯分类器最常见的建模策略是独依赖估计(One-Dependent Estimator, ODE)，即假设每个属性在类别外最多依赖于一个属性

$$f^{\ast }\left(\mathbf{x}\right)=\underset{C\in \mathcal{Y}}{\mathrm{argmax}}P\left(C\right)\prod _{i=1}^{d}P\left(x_i|C,p{a}_i\right)$$

其中$p{a}_i$为属性$x_i$所依赖的父属性。若对$\forall x_i$确定了其$p{a}_i$，则可按朴素贝叶斯的方式进行贝叶斯分类，因此问题的核心转换为如何确定$p{a}_i$。

另一个问题是，可以假设属性依赖多个父属性吗？答案是：高阶依赖估计的准确性要求训练样本随指数级增加，在有限样本条件下，一般不适合采用。

2 AODE原理

先介绍一个比较直接的想法——假设所有属性都依赖于同一个父属性，称该属性为超父(super-parent)，这种半朴素贝叶斯分类器称为SPODE(Super-Parent ODE)算法。

$$f^{\ast }\left(\mathbf{x}\right)=\underset{C\in \mathcal{Y}}{\mathrm{argmax}}P\left(C\right)\prod _{i=1}^{d}P\left(x_i|C,pa\right)$$

建立在SPODE的基础上，AODE(Averaged ODE)算法是一种基于集成学习机制、更为强大的ODE分类器，其将每个属性作为超父构造SPODE，再加权计算各属性间的平均依赖，即

$$f^{\ast }\left(\mathbf{x}\right)=\underset{C\in \mathcal{Y}}{\mathrm{argmax}}\sum _{i=1,|{\mathbf{D}}_{x_i}|⩾m}^{d}P\left(C,x_i\right)\prod _{j=1}^{d}P\left(x_j|C,x_i\right)$$

其中${\mathbf{D}}_{x_i}$为第$i$属性上取值为$x_i$的样本子集，$m$默认设为30。类似地，AODE的拉普拉斯平滑修正为

$$\{\begin{array}{l}P\left(C,x_i\right)=\frac{|{\mathbf{D}}_{C,x_i}|+1}{|\mathbf{D}|+N\times N_i}\\ P\left(x_j|C,x_i\right)=\frac{|{\mathbf{D}}_{C,x_i,x_j}|+1}{|{\mathbf{D}}_{C,x_i}|+N_j}\end{array}$$

简单说，AODE就是SPODE的加权平均版本

接下来基于上述原理开始编程，并和朴素贝叶斯分类做个比较，看性能有没提升

3 Python实现

3.1 计算类先验概率

'''
* @breif: 计算类先验概率P(C, xi)
* @param[in]: None
* @retval: None


    C1:  
            超父属性(只能是离散属性)
            pa1: 
                    超父属性值
                    px1: 
                            p: p(C1, x1)
                            N: n(C1, x1)
                        
                    ...
                    pxn: ...
                    num(pa1): int 属性a1的可取值数
                
            ...
            pan: ...
        
    ...
    Cn: ...
    num: 类别数


'''    
def calPrior(self):
    # 可选的类别数
    label = np.unique(self.y)
    self.prior['num'] = len(label)

    # 计算先验概率
    for _label in label:
        self.prior[_label] = 
        # 获取标签取值_label的样本集
        labelIndex = np.squeeze(np.argwhere(np.squeeze(self.y)==_label))
        labelX = self.X[:, labelIndex]           
        # 超父特征层
        for i in range(self.d):
            # 属性i的可选属性值列表
            attr = np.unique(self.X[i, :])
            # 可选属性数
            attrNum = len(attr)
            # 离散属性(只有离散属性能作为超父属性)
            if attrNum <= 0.85 * self.m:
                self.prior[_label][str(i)] = 
                self.prior[_label][str(i)]['num'] = attrNum
                # 计算每个取值的联合先验概率
                for a in attr:
                    self.prior[_label][str(i)][a] = 
                    n = int(sum(labelX[i, :] == a))
                    self.prior[_label][str(i)][a]['p'] = (n + self.laplace) / (self.m + self.prior['num'] * attrNum)
                    self.prior[_label][str(i)][a]['N'] = n

3.2 计算属性后验概率

'''
* @breif: 计算属性后验概率P(xj|C, xi)
* @param[in]: None
* @retval: None


    C1:  
            超父属性(只能是离散属性)
            pa1: 
                    超父属性值
                    px1: 
                            常规属性
                            a1: 
                                    type: discrete 离散属性
                                    x1: p(x1)
                                    ...
                                    xn: p(xn)
                                    num(a1): int 属性b1的可取值数
                                
                            a2: 
                                    type: continous 连续属性
                                    mean: 样本均值
                                    std: 标准差
                                
                        
                    ...
                    pxn: ...
                
            ...
            pan: ...
        
    ...
    Cn: ...
    num: 类别数


'''
def calPosterior(self):
    if not self.prior:
        raise ValueError("please calculate prior first!")
    # 
以上是关于机器学习：详解半朴素贝叶斯分类AODE原理(附Python实现)的主要内容，如果未能解决你的问题，请参考以下文章
 
 太赞了！机器学习基础核心算法：贝叶斯分类！(附西瓜书案例及代码实现)
 机器学习：半朴素贝叶斯分类器
 重要朴素贝叶斯分类器详解及中文文本舆情分析（附代码实践）
 附核心代码C++实现特征值连续的多分类问题（朴素贝叶斯决策树感知机）
 详解使用EM算法的半监督学习方法应用于朴素贝叶斯文本分类
 分析机器学习中朴素贝叶斯分类的原理