
這里再重復(fù)一下標(biāo)題為什么是"使用"而不是"實(shí)現(xiàn)":
首先,專業(yè)人士提供的算法比我們自己寫的算法無論是效率還是正確率上都要高。
其次,對于數(shù)學(xué)不好的人來說,為了實(shí)現(xiàn)算法而去研究一堆公式是很痛苦的事情。
再次,除非他人提供的算法滿足不了自己的需求,否則沒必要"重復(fù)造輪子"。
下面言歸正傳,不了解貝葉斯算法的可以去查一下相關(guān)資料,這里只是簡單介紹一下:
1.貝葉斯公式:
P(A|B)=P(AB)/P(B)
2.貝葉斯推斷:
P(A|B)=P(A)×P(B|A)/P(B)
用文字表述:
后驗(yàn)概率=先驗(yàn)概率×相似度/標(biāo)準(zhǔn)化常量
而貝葉斯算法要解決的問題就是如何求出相似度,即:P(B|A)的值
3. 在scikit-learn包中提供了三種常用的樸素貝葉斯算法,下面依次說明:
1)高斯樸素貝葉斯:假設(shè)屬性/特征是服從正態(tài)分布的(如下圖),主要應(yīng)用于數(shù)值型特征。
使用scikit-learn包中自帶的數(shù)據(jù),代碼及說明如下:
>>>from sklearn import datasets ##導(dǎo)入包中的數(shù)據(jù)
>>> iris=datasets.load_iris() ##加載數(shù)據(jù)
>>> iris.feature_names ##顯示特征名字
['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
>>> iris.data ##顯示數(shù)據(jù)
array([[ 5.1, 3.5, 1.4, 0.2],[ 4.9, 3. , 1.4, 0.2],[ 4.7, 3.2, 1.3, 0.2]............
>>> iris.data.size ##數(shù)據(jù)大小 ---600個
>>> iris.target_names ##顯示分類的名字
array(['setosa', 'versicolor', 'virginica'], dtype='<U10')
>>> from sklearn.naive_bayes import GaussianNB ##導(dǎo)入高斯樸素貝葉斯算法
>>> clf = GaussianNB() ##給算法賦一個變量,主要是為了方便使用
>>> clf.fit(iris.data, iris.target) ##開始分類。對于量特別大的樣本,可以使用函數(shù)partial_fit分類,避免一次加載過多數(shù)據(jù)到內(nèi)存
>>> clf.predict(iris.data[0].reshape(1,-1)) ##驗(yàn)證分類。標(biāo)紅部分特別說明:因?yàn)閜redict的參數(shù)是數(shù)組,data[0]是列表,所以需要轉(zhuǎn)換一下
array([0])
>>> data=np.array([6,4,6,2]) ##驗(yàn)證分類
>>> clf.predict(data.reshape(1,-1))
array([2])
這里涉及到一個問題:如何判斷數(shù)據(jù)符合正態(tài)分布? R語言里面有相關(guān)函數(shù)判斷,或者直接繪圖也可以看出來,但是都是P(x,y)這種可以在坐標(biāo)系里面直接
畫出來的情況,而例子中的數(shù)據(jù)如何確定,目前還沒有搞明白,這部分后續(xù)會補(bǔ)上。
2)多項(xiàng)式分布樸素貝葉斯:常用于文本分類,特征是單詞,值是單詞出現(xiàn)的次數(shù)。
##示例來在官方文檔,詳細(xì)說明見第一個例子
>>> import numpy as np
>>> X = np.random.randint(5, size=(6, 100)) ##返回隨機(jī)整數(shù)值:范圍[0,5) 大小6*100 6行100列
>>> y = np.array([1, 2, 3, 4, 5, 6])
>>> from sklearn.naive_bayes import MultinomialNB
>>> clf = MultinomialNB()
>>> clf.fit(X, y)
MultinomialNB(alpha=1.0, class_prior=None, fit_prior=True)
>>> print(clf.predict(X[2]))
[3]
3)伯努力樸素貝葉斯:每個特征都是是布爾型,得出的結(jié)果是0或1,即出現(xiàn)沒出現(xiàn)
##示例來在官方文檔,詳細(xì)說明見第一個例子
>>> import numpy as np
>>> X = np.random.randint(2, size=(6, 100))
>>> Y = np.array([1, 2, 3, 4, 4, 5])
>>> from sklearn.naive_bayes import BernoulliNB
>>> clf = BernoulliNB()
>>> clf.fit(X, Y)
BernoulliNB(alpha=1.0, binarize=0.0, class_prior=None, fit_prior=True)
>>> print(clf.predict(X[2]))
[3]
補(bǔ)充說明:此文還不完善,示例一中也有部分說明需要寫,最近事情較多,后續(xù)會逐漸完善。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03