我们可以经由过程加载皮马印第安人数据集，然后打印出数据样本的个数，以此测试这个函数。

filename = 'pima-indians-diabetes.data.csv' 
 
dataset = loadCsv(filename) 
 
print('Loaded data file {0} with {1} rows').format(filename, len(dataset))  

运行测试，你会看到如下结不雅：

Loaded data file iris.data.csv with 150 rows 

下一步，我们将数据分为用于朴实贝叶斯猜测的练习数据集，以及用来评估模型精度的测试数据集。我们须要将数据集随机分为包含67%的练习集合和包含33%的测试集(这是在此数据集上测试算法的平日比率)。

下面是splitDataset()函数，它以给定的划分比例将数据集进行划分。

import random 
 
def splitDataset(dataset, splitRatio): 
 
    trainSize = int(len(dataset) * splitRatio) 
 
    trainSet = [] 
 
    copy = list(dataset) 
 
    while len(trainSet) < trainSize: 
 
        index = random.randrange(len(copy)) 
 
        trainSet.append(copy.pop(index)) 
 
    return [trainSet, copy]  

我们可以定义一个具有5个样例的数据集来进行测试，起首它分为练习数据集和测试数据集，然后打印出来，看看每个数据样本最终落在哪个数据集。

dataset = [[1], [2], [3], [4], [5]] 
 
splitRatio = 0.67 
 
train, test = splitDataset(dataset, splitRatio) 
 
print('Split {0} rows into train with {1} and test with {2}').format(len(dataset), train, test)  

Split 5 rows into train with [[4], [3], [5]] and test with [[1], [2]] 

提取数据特点

朴实贝叶斯模型包含练习数据集中数据的特点，然后应用这个数据特点来做猜测。

所收集的练习数据的特点，包含相对于每个类的每个属性的均值和标准差。举例来说，如不雅如不雅有2个类和7个数值属性，然后我们须要每一个属性(7)和类(2)的组合的均值和标准差，也就是14个属性特点。

在对特定的属性归属于每个类的概率做计算、猜测时，将用到这些特点。

我们将数据特点的获取划分为以下的子义务：

1. 按类别划分数据
2. 计算均值
3. 计算标准差
4. 提取数据集特点
5. 按类别提取属性特点

按类别划分数据

起首将练习数据集中的样本按照类别进行划分，然后计算出每个类的统计数据。我们可以创建一个类别到属于词攀类其余样本列表的的映射，并将全部数据集中的样本分类到响应的列表。

下面的SeparateByClass()函数可以完成这个义务：

def separateByClass(dataset): 	
			
 2/7   首页 上一页 1 2 3 4 5 6 下一页 尾页
	
			

　　推荐阅读
　　宁波电信：大数据推动基层社会服务转型
            
            日前，在第十四届中国信息港论坛举办的“2017年中国信息通信与‘互联网+’应用优良结不雅奖”颁奖典礼上，中国电信浙江宁波分公司的“宁波市基层社会办事治理综>>>详细阅读


本文标题：机器学习之用Python从零实现贝叶斯分类器
地址：http://www.17bianji.com/lsqh/35863.html
 1/2    1