(李航统计方法学习)朴素贝叶斯Python实现

2023-10-18 21:08

本文主要是介绍(李航统计方法学习)朴素贝叶斯Python实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

朴素贝叶斯属于生成模型,学习数据概率分布P(X,Y),然后求后验概率P(Y|X)。对条件概率分布作条件独立性假设。
模型:贝叶斯定理
策略:后验概率最大化(等价于期望风险最小化)
算法:略
朴素贝叶斯在进行概率估计时有两种方式:基于最大似然估计、基于贝叶斯估计。朴素贝叶斯可以进一步扩展成贝叶斯网络

import numpy as npdef Train(X_train,Y_train,feature):global  class_num,labelclass_num=2label=[1,-1]feature_len=3feature=[[1,'S'],[2,'M'],[3,'L']]prior_probability=np.zeros(class_num)conditional_probability=np.zeros((class_num,feature_len,2))pos,neg=0,0for i in range(len(Y_train)):if Y_train[i] == 1:pos+= 1else:neg += 1##计算出P(Y)prior_probability[0]=pos/len(X_train)prior_probability[1]=neg/len(X_train)##统计P(X1,X2|Y),假设X1与X2相互独立,计算P(X1,X2|Y)=P(X1|Y)*P(X2|Y),所以统计X1,X2不同取值对应的不同Y的数量for i in range(class_num):for j in range(feature_len):for k in range(len(Y_train)):if Y_train[k]==label[i]:if X_train[k][0]==feature[j][0]:conditional_probability[i][j][0]+=1if X_train[k][1]==feature[j][1]:conditional_probability[i][j][1]+=1class_label_num=[pos,neg]
##计算P(X1,X2|Y)for i in range(class_num):for j in range(feature_len):conditional_probability[i][j][0]/=class_label_num[i]conditional_probability[i][j][1]/=class_label_num[i]return  prior_probability,conditional_probabilitydef Predict(X_test,prior_probability,conditional_probability,feature):result=np.zeros(len(label))for i in range(class_num):fea0,fea1=0,0for j in range(len(feature)):if feature[j][0]==X_test[0]:fea0=conditional_probability[i][j][0]if feature[j][1]==X_test[1]:fea1=conditional_probability[i][j][1]result[i]=fea0*fea1*prior_probability[i]result=np.vstack([result,label])return result
def main():X_train=[[1, 'S'], [1, 'M'], [1, 'M'], [1, 'S'],  [1, 'S'],[2, 'S'], [2, 'M'], [2, 'M'], [2, 'L'],  [2, 'L'],[3, 'L'], [3, 'M'], [3, 'M'], [3, 'L'],  [3, 'L']]Y_train = [-1, -1, 1, 1, -1, -1, -1, 1, 1, 1, 1, 1, 1, 1, -1]feature = [[1, 'S'],[2, 'M'],[3, 'L']]testset = [2, 'S']prior_probability, conditional_probability = Train(X_train, Y_train, feature)result = Predict(testset, prior_probability, conditional_probability, feature)print(result)if __name__ == '__main__':main()

这篇关于(李航统计方法学习)朴素贝叶斯Python实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/235142

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

hdu1496(用hash思想统计数目)

作为一个刚学hash的孩子,感觉这道题目很不错,灵活的运用的数组的下标。 解题步骤:如果用常规方法解,那么时间复杂度为O(n^4),肯定会超时,然后参考了网上的解题方法,将等式分成两个部分,a*x1^2+b*x2^2和c*x3^2+d*x4^2, 各自作为数组的下标,如果两部分相加为0,则满足等式; 代码如下: #include<iostream>#include<algorithm

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time