惠州建设集团公司网站,温州建站软件,商务网站建设与维护 ppt,清远市住房与城乡建设局的网站查机器学习#xff1a;基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测 作者#xff1a;AOAIYI 作者简介#xff1a;Python领域新星作者、多项比赛获奖者#xff1a;AOAIYI首页 #x1f60a;#x1f60a;#x1f60a;如果觉得文章不错或能帮助到你学习#xff0c;可以点赞…机器学习基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测 作者AOAIYI 作者简介Python领域新星作者、多项比赛获奖者AOAIYI首页 如果觉得文章不错或能帮助到你学习可以点赞收藏评论关注哦 如果有小伙伴需要数据集和学习交流文章下方有交流学习区一起学习进步 专栏案例机器学习机器学习基于逻辑回归对某银行客户违约预测分析机器学习学习k-近邻KNN模型建立、使用和评价机器学习基于支持向量机SVM进行人脸识别预测决策树算法分析天气、周末和促销活动对销量的影响机器学习线性回归分析女性身高与体重之间的关系机器学习基于主成分分析PCA对数据降维文章目录机器学习基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测一、实验目的二、实验原理1.分类问题描述2.Bayes’ theorem(贝叶斯法则)3.朴素贝叶斯分类算法三、实验环境四、实验内容五、实验步骤1.朴素贝叶斯2.业务理解3.读取数据4.数据理解5.数据准备6.构建数据训练集和测试集7.构建三类模型总结一、实验目的
1.理解朴素贝叶斯的原理
2.掌握scikit-learn贝叶斯的用法
3.认识可视化工具seaborn
二、实验原理
1.分类问题描述
贝叶斯分类是一类分类算法的总称这类算法均以贝叶斯定理为基础故统称为贝叶斯分类。而朴素贝叶斯分类是贝叶斯分类中最简单也是常见的一种分类方法对于分类问题其实谁都不会陌生日常生活中我们每天都进行着分类过程。例如当你看到一个人你的脑子下意识判断他是学生还是社会上的人你可能经常会走在路上对身旁的朋友说“这个人一看就很有钱”之类的话其实这就是一种分类操作贝叶斯分类算法那么分类的数学描述又是什么呢 其中C叫做类别集合其中每一个元素是一个类别而I叫做项集合特征集合其中每一个元素是一个待分类项f叫做分类器。分类算法的内容是要求给定特征构造分类器f让我们得出类别。
2.Bayes’ theorem(贝叶斯法则)
在概率论和统计学中Bayes theorem贝叶斯法则根据事件的先验知识描述事件的概率。贝叶斯法则表达式如下所示 P(A|B) – 在事件B下事件A发生的条件概率 P(B|A) – 在事件A下事件B发生的条件概率 P(A), P(B) – 独立事件A和独立事件B的边缘概率
朴素贝叶斯方法是一组监督学习算法它基于贝叶斯定理应用每对特征之间的“天真”独立假设。给定类变量y和从属特征矢量X1通过Xn贝叶斯定理状态下列关系式
使用天真的独立假设 对所有人来说i这种关系简化为 由于 输入是常数我们可以使用以下分类规则 我们可以使用最大后验MAP估计来估计的 和
前者是y 训练集中类的相对频率。不同的朴素贝叶斯分类器主要区别于他们对分布的假设 3.朴素贝叶斯分类算法
在scikit-learn中提供了3种朴素贝叶斯分类算法GaussianNB(高斯朴素贝叶斯)、MultinomialNB(多项式朴素贝叶斯)、BernoulliNB(伯努利朴素贝叶斯)
可以参考文档
http://scikit-learn.org/stable/modules/naive_bayes.html
http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.GaussianNB.html
三、实验环境
利用scikit-learn提供的三种朴素贝叶斯算法构建分类器根据花瓣花萼的宽度和长度判断他们属于哪一类
四、实验内容
Python 3.9
Jupyter notebook
五、实验步骤
1.朴素贝叶斯
贝叶斯分类是一类分类算法的总称这类算法均以贝叶斯定理为基础故统称为贝叶斯分类。而朴素贝叶斯分类是贝叶斯分类中最简单也是常见的一种分类方法
2.业务理解
先有一张表格描述了花瓣的特征和种类利用scikit-learn提供的三种朴素贝叶斯算法构建分类器根据花瓣花萼的宽度和长度预测他们属于哪一个品种
3.读取数据 1.编写代码读取数据
#导入pandas库和numpy库
import pandas as pd
import numpy as np
iris pd.read_csv(rD:\CSDN\数据分析\naivebayes\iris.csv)
iris.head()4.数据理解
1.查看数据结构
iris.shape说明该数据总共有150行5列 2.查看数据列名称
iris.columns5.数据准备
1.删除“种类”这列数据得到特征数据如下
X_iris iris.drop([species],axis1)
X_iris.head() 2.获取“species”这列数据并将其转换为数组得到预测数据
y_iris np.ravel(iris[[species]])
y_iris 3.查看y_iris总共有多少行
y_iris.shape 6.构建数据训练集和测试集
1.构建训练和测试数据集
#导入相应的库
from sklearn.model_selection import train_test_split
#将数据分为训练集测试集
X_train,X_test,y_train,y_test train_test_split(X_iris,y_iris,random_state1)
#获取数据前5行
X_train.head() 说明将数据分为训练集和测试集默认情况下75%的数据用于训练25%的数据用于测试 训练集是用于发现和预测潜在关系的一组数据。测试集是用于评估预测关系强度和效率的一组数据。 2.查看训练集和测试集的数据结构
print(X_train.shape)
print(X_test.shape)
print(y_train.shape)
print(y_test.shape)说明训练集X_iris数据为(150,4)X_train为(112,4)X_test为(38,4) sales数据为200行y_train为(112,)y_test为38, 3.查看y_train数据
y_train 7.构建三类模型
在scikit-learn中提供了3种朴素贝叶斯分类算法GaussianNB(高斯朴素贝叶斯)、MultinomialNB(多项式朴素贝叶斯)、BernoulliNB(伯努利朴素贝叶斯)
GaussianNB实现高斯朴素贝叶斯算法进行分类。假设特征的可能性是高斯的
1.利用GaussianNB(高斯朴素贝叶斯)类建立简单模型并预测
from sklearn.naive_bayes import GaussianNB
#利用GaussianNB类建立简单模型
gb GaussianNB()
model_GaussinaNB gb.fit(X_train,y_train)
#predict(X)直接输出测试集预测的类标记,X_test为测试集
y_predict_GaussianNB model_GaussinaNB.predict(X_test)
print(y_predict_GaussianNB,y_predict_GaussianNB) 构建一个新的测试数组
import pandas as pd
z_data {sepal_length:[5],sepal_width:[3],petal_length:[3],petal_width:[1.8]}
Z_data pd.DataFrame(z_data,columns[sepal_length,sepal_width,petal_length,petal_width])
print(Z_data) 将测试数据带入模型预测得到预测结果
Z_model_predictmodel_GaussinaNB.predict(Z_data)
print(Z_model_predict,Z_model_predict) 说明当我们提供的数据为’sepal_length’:[‘5’],‘sepal_width’:[‘3’],‘petal_length’:[‘3’],‘petal_width’:[‘1.8’]时预测它属于‘versicolor’这个种类到底预测正确与否呢接下来看一下预测结果的平均值 查看预测结果的平均值
#预测结果
y_predict_GaussianNBy_test mean()函数功能求取均值
y_test_meannp.mean(y_predict_GaussianNBy_test)
print(y_test_GaussianNB_mean,y_test_mean) 查看预测正确率
score(X, y[, sample_weight]) 返回给定测试数据和标签的平均精度
gb.score(X_train,y_train)2.BernoulliNB(伯努利朴素贝叶斯) BernoulliNB实现了根据多元伯努利分布的数据的朴素贝叶斯训练和分类算法; 即可能存在多个特征但每个特征被假定为二进制值伯努利布尔变量。因此该类要求将样本表示为二进制值特征向量如果传递任何其他类型的数据BernoulliNB实例可以将其输入二值化取决于binarize参数。
伯努利朴素贝叶斯的决策规则是基于
利用BernoulliNB类建立简单模型并预测
# BernoulliNB
from sklearn.naive_bayes import BernoulliNB
model_BernoulliNBBernoulliNB().fit(X_train,y_train)
y_predict_BernoulliNBmodel_BernoulliNB.predict(X_test)
print(y_test_BernoulliNB_mean,np.mean(y_predict_BernoulliNBy_test)) 3.MultinomialNB(多项式朴素贝叶斯) MultinomialNB实现用于多项分布数据的朴素贝叶斯算法并且是用于文本分类的两种经典朴素贝叶斯变体之一其中数据通常表示为单词向量计数尽管tf-idf向量也已知在实践中很好地工作 。
利用MultinomialNB类建立简单模型并预测
# MultinomialNB
from sklearn.naive_bayes import MultinomialNB
model_MultinomialNBMultinomialNB().fit(X_train,y_train)
y_predict_MultinomialNBmodel_MultinomialNB.predict(X_test)
print(y_test_MultinomialNBB_mean,np.mean(y_predict_MultinomialNBy_test)) 总结
贝叶斯分类是一类分类算法的总称这类算法均以贝叶斯定理为基础故统称为贝叶斯分类。而朴素贝叶斯分类是贝叶斯分类中最简单也是常见的一种分类方法对于分类问题其实谁都不会陌生日常生活中我们每天都进行着分类过程。例如当你看到一个人你的脑子下意识判断他是学生还是社会上的人你可能经常会走在路上对身旁的朋友说“这个人一看就很有钱”之类的话其实这就是一种分类操作。 每个人都会遇到困难跟挫折要有同困难作斗争的决心跟勇气。困难跟挫折是成就事业的基石岸在远方向我们招手只要越过它敢于在惊涛骇浪中博击我们就会尝到胜利的果食。
文章转载自： http://www.morning.mspkz.cn.gov.cn.mspkz.cn http://www.morning.mlntx.cn.gov.cn.mlntx.cn http://www.morning.ykmg.cn.gov.cn.ykmg.cn http://www.morning.rbylq.cn.gov.cn.rbylq.cn http://www.morning.qrksj.cn.gov.cn.qrksj.cn http://www.morning.ysbrz.cn.gov.cn.ysbrz.cn http://www.morning.smhtg.cn.gov.cn.smhtg.cn http://www.morning.qpmwb.cn.gov.cn.qpmwb.cn http://www.morning.lxbml.cn.gov.cn.lxbml.cn http://www.morning.gqksd.cn.gov.cn.gqksd.cn http://www.morning.hhkzl.cn.gov.cn.hhkzl.cn http://www.morning.kbdrq.cn.gov.cn.kbdrq.cn http://www.morning.wkjzt.cn.gov.cn.wkjzt.cn http://www.morning.lpcpb.cn.gov.cn.lpcpb.cn http://www.morning.ypwlb.cn.gov.cn.ypwlb.cn http://www.morning.twgzq.cn.gov.cn.twgzq.cn http://www.morning.wglhz.cn.gov.cn.wglhz.cn http://www.morning.sdkaiyu.com.gov.cn.sdkaiyu.com http://www.morning.ckctj.cn.gov.cn.ckctj.cn http://www.morning.mztyh.cn.gov.cn.mztyh.cn http://www.morning.tlnkz.cn.gov.cn.tlnkz.cn http://www.morning.nlqmp.cn.gov.cn.nlqmp.cn http://www.morning.stcds.cn.gov.cn.stcds.cn http://www.morning.wsnjn.cn.gov.cn.wsnjn.cn http://www.morning.pqryw.cn.gov.cn.pqryw.cn http://www.morning.nmymn.cn.gov.cn.nmymn.cn http://www.morning.dwzwm.cn.gov.cn.dwzwm.cn http://www.morning.bsghk.cn.gov.cn.bsghk.cn http://www.morning.wmfh.cn.gov.cn.wmfh.cn http://www.morning.chgmm.cn.gov.cn.chgmm.cn http://www.morning.qmbpy.cn.gov.cn.qmbpy.cn http://www.morning.rksg.cn.gov.cn.rksg.cn http://www.morning.yxnkr.cn.gov.cn.yxnkr.cn http://www.morning.bmmyx.cn.gov.cn.bmmyx.cn http://www.morning.rswfj.cn.gov.cn.rswfj.cn http://www.morning.rlkgc.cn.gov.cn.rlkgc.cn http://www.morning.drbd.cn.gov.cn.drbd.cn http://www.morning.newfeiya.com.cn.gov.cn.newfeiya.com.cn http://www.morning.wjyyg.cn.gov.cn.wjyyg.cn http://www.morning.qbfkz.cn.gov.cn.qbfkz.cn http://www.morning.routalr.cn.gov.cn.routalr.cn http://www.morning.blznh.cn.gov.cn.blznh.cn http://www.morning.fsnhz.cn.gov.cn.fsnhz.cn http://www.morning.hmpxn.cn.gov.cn.hmpxn.cn http://www.morning.fpxyy.cn.gov.cn.fpxyy.cn http://www.morning.mjwnc.cn.gov.cn.mjwnc.cn http://www.morning.jlthz.cn.gov.cn.jlthz.cn http://www.morning.mzhgf.cn.gov.cn.mzhgf.cn http://www.morning.sbkb.cn.gov.cn.sbkb.cn http://www.morning.lpyjq.cn.gov.cn.lpyjq.cn http://www.morning.bgpch.cn.gov.cn.bgpch.cn http://www.morning.fhqsm.cn.gov.cn.fhqsm.cn http://www.morning.pnntx.cn.gov.cn.pnntx.cn http://www.morning.zpdjh.cn.gov.cn.zpdjh.cn http://www.morning.qbfkz.cn.gov.cn.qbfkz.cn http://www.morning.dqwykj.com.gov.cn.dqwykj.com http://www.morning.qwyms.cn.gov.cn.qwyms.cn http://www.morning.qzpsk.cn.gov.cn.qzpsk.cn http://www.morning.yybcx.cn.gov.cn.yybcx.cn http://www.morning.yfzld.cn.gov.cn.yfzld.cn http://www.morning.tlbdy.cn.gov.cn.tlbdy.cn http://www.morning.mpgfk.cn.gov.cn.mpgfk.cn http://www.morning.wcjgg.cn.gov.cn.wcjgg.cn http://www.morning.snnkt.cn.gov.cn.snnkt.cn http://www.morning.ztdlp.cn.gov.cn.ztdlp.cn http://www.morning.bndkf.cn.gov.cn.bndkf.cn http://www.morning.nlgyq.cn.gov.cn.nlgyq.cn http://www.morning.ymqrc.cn.gov.cn.ymqrc.cn http://www.morning.ltpph.cn.gov.cn.ltpph.cn http://www.morning.bssjz.cn.gov.cn.bssjz.cn http://www.morning.jqhrk.cn.gov.cn.jqhrk.cn http://www.morning.rdlfk.cn.gov.cn.rdlfk.cn http://www.morning.tbnpn.cn.gov.cn.tbnpn.cn http://www.morning.bbgn.cn.gov.cn.bbgn.cn http://www.morning.fdlyh.cn.gov.cn.fdlyh.cn http://www.morning.pnbls.cn.gov.cn.pnbls.cn http://www.morning.aowuu.com.gov.cn.aowuu.com http://www.morning.nlgnk.cn.gov.cn.nlgnk.cn http://www.morning.lkmks.cn.gov.cn.lkmks.cn http://www.morning.przc.cn.gov.cn.przc.cn
