本文主要是介绍类别朴素贝叶斯CategoricalNB和西瓜数据集，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
CategoricalNB
- 1 CategoricalNB原理以及用法
- 2 数据集
- 2.1 西瓜数据集
- 2.2 LabelEncoder
- 2.3 OrdinalEncoder
- 3 代码实现
1 CategoricalNB原理以及用法
（1）具体原理
具体原理可看：贝叶斯分类器原理
sklearn之CategoricalNB对条件概率的原理如下：
P ( x i = k ∣ y ) = N y , k + α N y + α n i P(x_i = k | y) = \frac{N_{y,k} + \alpha}{N_y + \alpha n_i} P(xi=k∣y)=Ny+αniNy,k+α
其中：
- N y , k N_{y,k} Ny,k是在类别y下特征 x i x_i xi取值为k的样本数。
- N y N_y Ny 是类别y下的总样本数。
- α \alpha α是平滑参数，用来避免零概率，如果我们将 α \alpha α设置为1，则这个平滑叫做拉普拉斯平滑，如果 α \alpha α小于1，则我们把它叫做利德斯通平滑。
- n i n_i ni是特征 x i x_i xi的可能取值的数量。
（2）CategoricalNB用法
之后会有详细例子，现在先看用法
class sklearn.naive_bayes.CategoricalNB(*, alpha=1.0, fit_prior=True, class_prior=None)
参数说明：
| 参数 | |
|---|---|
| alpha | float, default=1.0 附加的平滑参数(Laplace/Lidstone)，0是不平滑 |
| fit_prior | bool, default=True 是否学习类别先验概率。若为False，将使用统一的先验（概率相等） |
| class_prior | array-like of shape (n_classes,), default=None 类别的先验概率。一经指定先验概率不能随着数据而调整。 |
属性说明：
| 属性 | |
|---|---|
| category_count_ | list of arrays of shape (n_features,) 为每个要素保存形状的数组（n_classes，各个要素的n_categories）。每个数组为每个类别和分类的特定特征提供遇到的样本数量。 |
| class_count_ | ndarray of shape (n_classes,) 拟合期间每个类别遇到的样本数。此值由提供的样本权重加权。 |
| class_log_prior_ | ndarray of shape (n_classes,) 每个类别的对数先验概率（平滑）。 |
| classes_ | ndarray of shape (n_classes,) 分类器已知的类别标签 |
| feature_log_prob_ | list of arrays of shape (n_features,) 为每个特征保形状的数组（n_classes，各个要素的n_categories）。每个数组提供了给定各自特征和类别的分类的经验对数概率log(p(xi|y)) |
| n_features_ | int 每个样本的特征数量。 |
方法说明：
| 方法 | |
|---|---|
| fit(X, y[, sample_weight]) | 根据X，y拟合朴素贝叶斯分类器。 |
| get_params([deep]) | 获取这个估计器的参数 |
| partial_fit(X, y[, classes, sample_weight]) | 对一批样本进行增量拟合。 |
| predict(X) | 对测试向量X进行分类 |
| predict_log_proba(X) | 返回针对测试向量X的对数概率估计 |
| predict_proba(X) | 返回针对测试向量X的概率估计 |
| score(X, y[, sample_weight]) | 返回给定测试数据和标签上的平均准确率 |
| set_params(**params) | 为这个估计器设置参数 |
对于X矩阵和y矩阵的要求如下：
| 参数 | |
|---|---|
| X | {array-like, sparse matrix} of shape (n_samples, n_features) 样本的特征矩阵，其中n_samples是样本数量，n_features是特征数量。在此，假设X的每个特征都来自不同的分类分布。进一步假设每个特征的所有类别均由数字0，…，n-1表示，其中n表示给定特征的类别总数。例如，这可以在顺序编码（OrdinalEncoder）的帮助下实现。 |
| y | array-like of shape (n_samples,) 每个样本所属的标签类别 |
2 数据集
2.1 西瓜数据集
要对下述的数据集转换成特征矩阵X和标签类别y，则需要认识两种编码
| 色泽 | 根蒂 | 敲击 | 纹理 | 脐部 | 触感 | 好坏 |
|---|---|---|---|---|---|---|
| 青绿 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 好瓜 |
| 乌黑 | 蜷缩 | 沉闷 | 清晰 | 凹陷 | 硬滑 | 好瓜 |
| 乌黑 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 好瓜 |
| 青绿 | 蜷缩 | 沉闷 | 清晰 | 凹陷 | 硬滑 | 好瓜 |
| 浅白 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 好瓜 |
| 青绿 | 稍蜷 | 浊响 | 清晰 | 稍凹 | 软粘 | 好瓜 |
| 乌黑 | 稍蜷 | 浊响 | 稍糊 | 稍凹 | 软粘 | 好瓜 |
| 乌黑 | 稍蜷 | 浊响 | 清晰 | 稍凹 | 硬滑 | 好瓜 |
| 乌黑 | 稍蜷 | 沉闷 | 稍糊 | 稍凹 | 硬滑 | 坏瓜 |
| 青绿 | 硬挺 | 清脆 | 清晰 | 平坦 | 软粘 | 坏瓜 |
| 浅白 | 硬挺 | 清脆 | 模糊 | 平坦 | 硬滑 | 坏瓜 |
| 浅白 | 蜷缩 | 浊响 | 模糊 | 平坦 | 软粘 | 坏瓜 |
| 青绿 | 稍蜷 | 浊响 | 稍糊 | 凹陷 | 硬滑 | 坏瓜 |
| 浅白 | 稍蜷 | 沉闷 | 稍糊 | 凹陷 | 硬滑 | 坏瓜 |
| 乌黑 | 稍蜷 | 浊响 | 清晰 | 稍凹 | 软粘 | 坏瓜 |
| 浅白 | 蜷缩 | 浊响 | 模糊 | 平坦 | 硬滑 | 坏瓜 |
| 青绿 | 蜷缩 | 沉闷 | 稍糊 | 稍凹 | 硬滑 | 坏瓜 |
2.2 LabelEncoder
class sklearn.preprocessing.LabelEncoder
- 对目标标签进行编码，其值介于0和n_classes-1之间。
- 该转换器应用于编码目标值，即y，而不是输入X。
常用方法：
| 方法 | |
|---|---|
| fit(self, y) | 适合标签编码器 |
| fit_transform(self, y) | 适合标签编码器并返回编码的标签 |
| get_params(self[, deep]) | 获取此估计量的参数 |
| inverse_transform(self, y) | 将标签转换回原始编码 |
| set_params(self, **params) | 设置此估算器的参数 |
| transform(self, y) | 将标签转换为标准化的编码 |
对于y矩阵的要求如下：
| 参数 | |
|---|---|
| y | array-like of shape (n_samples,) 每个样本所属的标签类别 |
2.3 OrdinalEncoder
class sklearn.preprocessing.OrdinalEncoder(*, categories='auto', dtype=<class 'numpy.float64'>)
- 将分类特征编码为整数数组。
- 该转换器的输入应为整数或字符串之类的数组，表示分类（离散）特征所采用的值。要素将转换为序数整数。这将导致每个要素的一列整数（0到n_categories-1）。
参数说明如下：
| 参数 | |
|---|---|
| categories | ‘auto’ or a list of array-like, default=’auto’ 适合标签编码器每个功能的类别（唯一值）： ‘auto’：根据训练数据自动确定类别。 list：category [i]保存第i列中预期的类别。传递的类别不应将字符串和数字值混合使用，并且在使用数字值时应进行排序 使用的类别可以在category_属性中找到。 |
| dtype | number type, default np.float64 所需的输出dtype |
常用方法有：
| 方法 | |
|---|---|
| fit(X[, y]) | 使OrdinalEncoder拟合X |
| get_params([deep]) | 获取此估计量的参数 |
| inverse_transform(X) | 将数据转换回原始表示形式 |
| set_params(**params) | 设置此估算器的参数 |
| transform(X) | 将X转换为序数代码 |
对X矩阵的要求如下：
| 参数 | |
|---|---|
| X | array-like, shape [n_samples, n_features] |
3 代码实现
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder, OrdinalEncoder
from sklearn.naive_bayes import CategoricalNB# 第一步:创建数据集
data = {'色泽': ['青绿', '乌黑', '乌黑', '青绿', '浅白', '青绿', '乌黑', '乌黑', '乌黑', '青绿', '浅白', '浅白', '青绿', '浅白', '乌黑', '浅白', '青绿'],'根蒂': ['蜷缩', '蜷缩', '蜷缩', '蜷缩', '蜷缩', '稍蜷', '稍蜷', '稍蜷', '稍蜷', '硬挺', '硬挺', '蜷缩', '稍蜷', '稍蜷', '稍蜷', '蜷缩', '蜷缩'],'敲击': ['浊响', '沉闷', '浊响', '沉闷', '浊响', '浊响', '浊响', '浊响', '沉闷', '清脆', '清脆', '浊响', '浊响', '沉闷', '浊响', '浊响', '沉闷'],'纹理': ['清晰', '清晰', '清晰', '清晰', '清晰', '清晰', '稍糊', '清晰', '稍糊', '清晰', '模糊', '模糊', '稍糊', '稍糊', '清晰', '模糊', '稍糊'],'脐部': ['凹陷', '凹陷', '凹陷', '凹陷', '凹陷', '稍凹', '稍凹', '稍凹', '稍凹', '平坦', '平坦', '平坦', '凹陷', '凹陷', '稍凹', '平坦', '稍凹'],'触感': ['硬滑', '硬滑', '硬滑', '硬滑', '硬滑', '软粘', '软粘', '硬滑', '硬滑', '软粘', '硬滑', '软粘', '硬滑', '硬滑', '软粘', '硬滑', '硬滑'],'好坏': ['好瓜', '好瓜', '好瓜', '好瓜', '好瓜', '好瓜', '好瓜', '好瓜', '坏瓜', '坏瓜', '坏瓜', '坏瓜', '坏瓜', '坏瓜', '坏瓜', '坏瓜', '坏瓜']
}df = pd.DataFrame(data)# 第二步：编码# 标签编码
label_encoder = LabelEncoder()
df['好坏'] = label_encoder.fit_transform(df['好坏'])# 对分类特征进行Ordinal编码
ordinal_encoder = OrdinalEncoder()
categorical_features = df.columns[:-1] # 除最后一列“好坏”之外的所有列
df[categorical_features] = ordinal_encoder.fit_transform(df[categorical_features])# 确定特征X和标签y
X = df.drop('好坏', axis=1)
y = df['好坏']# 第三步：划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)# 第四步：训练模型
model = CategoricalNB()
model.fit(X_train, y_train)# 输出预测概率
probabilities = model.predict_proba(X_test)
print("Probabilities:\n", probabilities)
print('精确度:', model.score(X_test, y_test))
首先看一下X矩阵和y矩阵，如图所示：
X矩阵
y矩阵
代码准确率结果如下：
这篇关于类别朴素贝叶斯CategoricalNB和西瓜数据集的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
