機器學習:貝葉斯分類器(二)——高斯樸素貝葉斯分類器代碼實現
阿新 • • 發佈:2018-08-24
mod ces 數據 大於等於 即使 平均值 方差 很多 mode
一 高斯樸素貝葉斯分類器代碼實現
- 網上搜索不調用sklearn實現的樸素貝葉斯分類器基本很少,即使有也是結合文本分類的多項式或伯努利類型,因此自己寫了一遍能直接封裝的高斯類型NB分類器,當然與真正的源碼相比少了很多屬性和方法,有興趣的可以自己添加。代碼如下(有詳細註釋):
class NaiveBayes(): ‘‘‘高斯樸素貝葉斯分類器‘‘‘ def __init__(self): self._X_train = None self._y_train = None self._classes = None self._priorlist = None self._meanmat = None self._varmat = None def fit(self, X_train, y_train): self._X_train = X_train self._y_train = y_train self._classes = np.unique(self._y_train) # 得到各個類別 priorlist = [] meanmat0 = np.array([[0, 0, 0, 0]]) varmat0 = np.array([[0, 0, 0, 0]]) for i, c in enumerate(self._classes): # 計算每個種類的平均值,方差,先驗概率 X_Index_c = self._X_train[np.where(self._y_train == c)] # 屬於某個類別的樣本組成的“矩陣” priorlist.append(X_Index_c.shape[0] / self._X_train.shape[0]) # 計算類別的先驗概率 X_index_c_mean = np.mean(X_Index_c, axis=0, keepdims=True) # 計算該類別下每個特征的均值,結果保持二維狀態[[3 4 6 2 1]] X_index_c_var = np.var(X_Index_c, axis=0, keepdims=True) # 方差 meanmat0 = np.append(meanmat0, X_index_c_mean, axis=0) # 各個類別下的特征均值矩陣羅成新的矩陣,每行代表一個類別。 varmat0 = np.append(varmat0, X_index_c_var, axis=0) self._priorlist = priorlist self._meanmat = meanmat0[1:, :] #除去開始多余的第一行 self._varmat = varmat0[1:, :] def predict(self,X_test): eps = 1e-10 # 防止分母為0 classof_X_test = [] #用於存放測試集中各個實例的所屬類別 for x_sample in X_test: matx_sample = np.tile(x_sample,(len(self._classes),1)) #將每個實例沿列拉長,行數為樣本的類別數 mat_numerator = np.exp(-(matx_sample - self._meanmat) ** 2 / (2 * self._varmat + eps)) mat_denominator = np.sqrt(2 * np.pi * self._varmat + eps) list_log = np.sum(np.log(mat_numerator/mat_denominator),axis=1)# 每個類別下的類條件概率相乘後取對數 prior_class_x = list_log + np.log(self._priorlist) # 加上類先驗概率的對數 prior_class_x_index = np.argmax(prior_class_x) # 取對數概率最大的索引 classof_x = self._classes[prior_class_x_index] # 返回一個實例對應的類別 classof_X_test.append(classof_x) return classof_X_test def score(self, X_test, y_test): j = 0 for i in range(len(self.predict(X_test))): if self.predict(X_test)[i] == y_test[i]: j += 1 return (‘accuracy: {:.10%}‘.format(j / len(y_test)))
- 對於手動實現的高斯型NB分類器,利用鳶尾花數據進行測試,與調用sklearn庫的分類器結果差不多,基本在93-96徘徊。這是由於多次進行二八切分,相當於多次留出法。為計算更準確精度,可進行交叉驗證並選擇多個評價方法,這裏不再實現。
import numpy as np from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn import preprocessing # 獲取數據集,並進行8:2切分 iris = datasets.load_iris() X = iris.data y = iris.target # print(X) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) nb = NaiveBayes() nb.fit(X_train,y_train) print(nb.predict(X_test)) print(nb.score(X_test,y_test)) #輸出結果如下: [0, 2, 1, 1, 1, 2, 1, 0, 2, 0, 1, 1, 1, 0, 2, 2, 2, 2, 0, 1, 1, 0, 2, 2, 2, 0, 1, 0, 1, 0] accuracy: 96.6666666667%
二 其他
- 基於屬性條件獨立性假設的樸素貝葉斯,在現實中往往很難成立,因此產生了“半樸素貝葉斯分類器”。其基本思想是適當考慮一部分屬性間的相互依賴信息,從而既不需要進行完全聯合概率計算,又不至於徹底忽略比較強的屬性依賴關系。“獨依賴估計”是最常用的一種策略,即假設每個屬性在類別之外最多依賴一個其他屬性。包括SPODE方法,TAN方法,AODE方法等。
- np.unique():返回原來array中不重復元素組成的新array,元素從小到大。
y = np.array([1, 2, 9, 1,2,3]) classes = np.unique(y) # 返回y中所有不重復的元素組成的新array([1,2,3,9]) print(classes) # 結果為np.array([1,2,3,9])
- np.where():對array進行操作
‘‘‘
1. np.where(condition, x, y)
滿足條件(condition),滿足進行x操作,不滿足進行y操作
‘‘‘
a= np.array([[9, 7, 3], [4, 5, 2], [6, 3, 8]])
b=np.where(a > 5, 1, 0) #對於a中的元素如果大於5,則改寫成1,否則寫成0.
print(b)
輸出結果:
[[1 1 0]
[0 0 0]
[1 0 1]]
‘‘‘
2. np.where(condition)
只有條件 (condition),沒有x和y,則輸出滿足條件元素的坐標 (等價於numpy.nonzero)。
這裏的坐標以tuple的形式給出,通常原數組有多少維,輸出的tuple中就包含幾個數組,分別對應符合條件元素的各維坐標。
‘‘‘
c = np.array([[9, 7, 3], [4, 5, 2], [6, 3, 8]])
d = np.where(c > 5) #條件為元素大於5
print(d)
輸出結果如下(元組):
(array([0, 0, 2, 2], dtype=int64), array([0, 1, 0, 2], dtype=int64)) 表示下表為 00,01 20,22的元素滿足條件。
a = np.array([1,3,6,9,0])
b = np.where(a > 5)
print(b)
輸出結果(array([2, 3], dtype=int64),)表示坐標為2和3的元素滿足,註意末尾的逗號,表明一維時實質輸出元組為二維,2_,3_只不過後面沒有而已,a維數大於等於2時,元組和a維數相同。
輸出的結果是可以直接作為數組下標。
x = np.array([[1, 5, 8, 1], [2, 4, 6, 8], [3, 6, 7, 9], [6, 8, 3, 1]])
print(x[b]) 結果為x的第2,3行組成的數組[[3 6 7 9] [6 8 3 1]],等價於x[[2,3]],x[2,3]為輸出為元素9,x[[2],[3]]輸出數組[9]。
機器學習:貝葉斯分類器(二)——高斯樸素貝葉斯分類器代碼實現