朴素贝叶斯分类及python实现

1。基础理论

朴素贝叶斯属于分类算法中的一种，是数据挖掘常用的算法之一，简单的理解，有（c1,c2,c3,,,c(n)）n个分类，对于某一类c(i)，有若干特征属性（a1,a2,a3,,,a(m)）m个属性，而现在出现c(j),我们要根据它的属性a判断它比较偏向于哪一类。这是因为朴素贝叶斯模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性个数比较多或者属性之间相关性较大时，分类效果不好。
贝叶斯公式：

显然对于在实际运用算法中，对于P(A)中A的值可能为向量，即特征属性组成的向量，在算法中我们需要判断P(B|A)最大的值，显然转化为求等式右边的数据，而根据统计理论，对于相互独立的属性，下图可以很清楚的说明。在贝叶斯之前，我们还需要知道以下几个概念：

对于实际的算法，我们进行分类时，B就为我们已知的所以类别，A为某一类别的特征属性，所以算法简单的理解成：已知某个特征属性A，我们要求它属于哪一类B,我们将A这个特征属性属于全部类别的概率都计算出来，最终我们认为A属于概率最大的那个。

朴素贝叶斯算法原理小结

2。举例说明

而对于以下要使用的例子可能会有影响，当然举例的训练数据量比较小，得出的结论并不准确。
假设有如下学生选课信息，1表示选了这个课，0表示没选。目前我们得知一个选课特征向量[1，0，1，1，0，0]，我们想知道是男生还是女生选了这个课。如果数据量很大，我们可以使用贝叶斯算法，现在我们展示计算过程。
根据贝叶斯公式，我们首先求是男生的概率：
分子上的P(类别)男女数量是一样的都是3，所以概率为1/2

P(在这种选课下是男的) = 
[[p(男选了计算机)*p(男没选文学)...p(男没选体育)]*p(男)]/[p(男选了计算机)*p(男没选文学)...p(男没选体育)]*p(男)+[p(女选了计算机)*p(女没选文学)...p(女没选体育)]*p(女)] = 
[[2/3*2/3*2/3*1/3*2/3*1/3]*1/2]/[[2/3*2/3*2/3*1/3*2/3*1/3]*1/2+[2/3*1/3*1/3*1/3*1/3*1/3]*1/2]=
8/9

P(在这种选课下是女的) = 
[[p(女选了计算机)*p(女没选文学)...p(女没选体育)]*p(女)]/[p(男选了计算机)*p(男没选文学)...p(男没选体育)]*p(男)+[p(女选了计算机)*p(女没选文学)...p(女没选体育)]*p(女)] = 
[[]*1/2]/[[2/3*2/3*2/3*1/3*2/3*1/3]*1/2+[2/3*1/3*1/3*1/3*1/3*1/3]*1/2]=
1/9

显然在此选课特征向量[1，0，1，1，0，0]下，我们认为此人是男生。

3。代码实现