python朴素贝叶斯实现-2
本文主要内容:
1. 朴素贝叶斯为何需要特征条件独立
2. 朴素贝叶斯三种模型:
特征是离散的时候,使用多项式模型
特征是连续变量的时候,应该采用高斯模型
特征的取值只能是1和0伯努利模型)
3. 多项式模型的python实现
朴素贝叶斯 (naive Bayes)
法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出Y。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。
理解朴素贝叶斯 (naive Bayes)主要分为两个部分:
1. 贝叶斯定理
2. 特征条件独立
贝叶斯定理上篇blog已经做了回顾,本文首先,说明特征条件独立的意义
1. 朴素贝叶斯为何需要特征条件独立
朴素贝叶斯法对条件概率分布作了条件独立性的假设。由于这是一个较强的假设,朴素贝叶斯法也由此得名。具体地,条件独立性假设是:
光看定义,还是不能很好的理解为何需要条件独立,现在给出知乎上面别人的解释:
假设根据一个男生四个特征(帅, 性格好,身高,上进)来判断女生是否嫁还是不嫁。首先给出下表(以及省略很多数据)
现在给我们的问题是,如果一对男女朋友,男生想女生求婚,男生的四个特点分别是不帅,性格不好,身高矮,不上进,请你判断一下女生是嫁还是不嫁?
转为数学问题就是比较p(嫁|(不帅、性格不好、身高矮、不上进))与p(不嫁|(不帅、性格不好、身高矮、不上进))的概率,谁的概率大,我就能给出嫁或者不嫁的答案!
没有假设特征之间相互独立,那么我们统计的时候,就需要在整个特征空间中去找,比如统计p(不帅、性格不好、身高矮、不上进|嫁),我们就需要在嫁的条件下,去找四种特征全满足分别是不帅,性格不好,身高矮,不上进的人的个数,这样的话,由于数据的稀疏性,很容易统计到0的情况
我们这个例子有4个特征,其中帅包括{帅,不帅},性格包括{不好,好,爆好},身高包括{高,矮,中},上进包括{不上进,上进},那么四个特征的联合概率分布总共是4维空间,总个数为2*3*3*2=36个
假设特征之间相互独立,根据朴素贝叶斯公式:
朴素贝叶斯法对条件概率分布做了条件独立性的假设,由于这是一个较强的假设,朴素贝叶斯也由此得名!这一假设使得朴素贝叶斯法变得简单,但有时会牺牲一定的分类准确率。
2. 朴素贝叶斯三种模型:
特征是离散的时候,使用多项式模型
下面给出实际示例:
特征是连续变量的时候,应该采用高斯模型
特征的取值只能是1和0伯努利模型)
3. 多项式模型的python实现
数据来自于李航书上的示例, S, M, L改为了 4, 5, 6
def get_multi_data():
x = np.array([
[1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3],
[4, 5, 5, 4, 4, 4, 5, 5, 6, 6, 6, 5, 5, 6, 6]
])
x = x.T
y = np.array([-1, -1, 1, 1, -1, -1, -1, 1, 1, 1, 1, 1, 1, 1, -1])
return x, y
代码实现
class MultinomialNB(object):
def __init__(self, alpha=1.0):
self.alpha = alpha
self._dic_class_prior = {}
self._cd_prob = {}
def fit(self, x, y):
# calculate class prior probabilities: P(y=ck)
self._cal_y_prob(y)
# calculate Conditional Probability: P( xj | y=ck )
self._cal_x_prob(x, y)
def _cal_y_prob(self, y):
"""
calculate class prior probability
like: {class_1: prob_1, class_2:prob_2, ...}
for example two class 1, 2 with probability 0.4 and 0.6
{1: 0.4, 2: 0.6}
"""
sample_num = len(y) * 1.0
if sample_num < 1:
raise ValueError
unique_class, class_count = np.unique(y, return_counts=True)
# calculate class prior probability
for c, num in zip(unique_class, class_count):
self._dic_class_prior[c] = num / sample_num
def _cal_x_prob(self, x, y):
"""
calculate Conditional Probability: P( xj | y=ck )
like { c0:{ x0:{ value0:0.2, value1:0.8 }, x1:{} }, c1:{...} }
for example the below ,as to class 1 feature 0 has 3 values "1, 2 , 3"
the corresponding probability 0.22, 0.33, 0.44
p( x1 = 1 | y = 1 ) = 0.22
p( x1 = 2 | y = 1 ) = 0.33
p( x1 = 3 | y = 1 ) = 0.44
{ 1: {0: {1: 0.22, 2: 0.33, 3: 0.44}, 1: {4: 0.11, 5: 0.44, 6: 0.44}},
-1: {0: {1: 0.50, 2: 0.33, 3: 0.16}, 1: {4: 0.50, 5: 0.33, 6: 0.16}}
}
"""
unique_class = np.unique(y)
for c in unique_class:
self._cd_prob[c] = {}
c_idxs = np.where(y==c)[0]
for i, col_feature in enumerate(x.T):
dic_f_prob = {}
self._cd_prob[c][i] = dic_f_prob
for idx in c_idxs:
if col_feature[idx] in dic_f_prob:
dic_f_prob[col_feature[idx]] += 1
else:
dic_f_prob[col_feature[idx]] = 1
for k in dic_f_prob:
dic_f_prob[k] = dic_f_prob[k] * 1.0 / len(c_idxs)
def _pred_once(self, x):
dic_ret = {}
for y in self._dic_class_prior:
y_prob = self._dic_class_prior[y]
for i, v in enumerate(x):
y_prob = y_prob * self._cd_prob[y][i][v]
dic_ret[y] = y_prob
return dic_ret
def predict(self, x):
if x.ndim == 1:
return self._pred_once(x)
else:
labels = []
for i in xrange(x.shape[0]):
labels.append(self._pred_once(x[i]))
return labels
def get_class_prior(self):
return self._dic_class_prior
def get_cd_prob(self):
return self._cd_prob
运行的结果:
if __name__ == '__main__':
x, y = get_multi_data()
print x.ndim, y.ndim
# 2 1
mnb = MultinomialNB()
mnb.fit(x, y)
print "class prior probability: %s" % mnb.get_class_prior()
# {1: 0.599, -1: 0.40}
print "feature condition probability: %s" % mnb.get_cd_prob()
# { 1: {0: {1: 0.22, 2: 0.33, 3: 0.44}, 1: {4: 0.11, 5: 0.44, 6: 0.44}},
# -1: {0: {1: 0.50, 2: 0.33, 3: 0.16}, 1: {4: 0.50, 5: 0.33, 6: 0.16}}
# }
item = np.array([2, 4])
print mnb.predict(item)
# {1: 0.02222, -1: 0.06666}
参考:
上一篇: 分类算法-----朴素贝叶斯原理和python实现
下一篇: 朴素贝叶斯算法原理及实现