【机器学习】自定义数据集，使用朴素贝叶斯对其进行分类

embedded/2025/2/1 10:48:38/

一、贝叶斯原理

贝叶斯算法是基于贝叶斯公式的，其公式为：

$P(A\mid B)= \frac{P(B\mid A)P(A)}{P(B)}$

其中 $P(A)$ 叫做先验概率， $P(B\mid A)$ 叫做条件概率， $P(B)$ 叫做观察概率， $P(A\mid B)$ 叫做后验概率，也是我们求解的结果，通过比较后验概率的大小，将后验概率最大的类别作为真实类别。

二、朴素贝叶斯分类

朴素贝叶斯（Naive Bayes）是一种基于贝叶斯定理的简单概率分类算法，适用于文本分类、垃圾邮件过滤等任务。

朴素贝叶斯的“朴素”之处在于它假设特征之间相互独立，即给定类别，一个特征的出现不影响其他特征的出现。这在现实世界中通常不成立，但在许多情况下，这种简化的假设仍然能够提供良好的分类性能。

三、自定义数据集，使用朴素贝叶斯对其进行分类

1、代码示例：

python">import numpy as np
from sklearn.naive_bayes import GaussianNB# 1. 自定义数据集
# 生成 100 个样本，每个样本有 2 个特征
X = np.random.randn(100, 2).astype(np.float32)
# 根据特征的线性组合生成标签，大于 0 标记为 1，否则标记为 0
y = (2 * X[:, 0] + 3 * X[:, 1] > 0).astype(np.int32)# 2. 初始化朴素贝叶斯模型
model = GaussianNB()# 3. 训练模型
model.fit(X, y)# 4. 输出训练结果
print("训练完成！")
print("模型参数：")
print("类别先验概率:", model.class_prior_)
print("类别数量:", model.class_count_)
print("每个类别的均值:", model.theta_)
print("每个类别的方差:", model.sigma_)

2、代码解释

① 数据集生成：

X = np.random.randn(100, 2).astype(np.float32)：

生成 100 个样本，每个样本有 2 个特征。

使用 np.random.randn 生成符合标准正态分布的随机数。

astype(np.float32) 将数据类型转换为 32 位浮点数。

y = (2 * X[:, 0] + 3 * X[:, 1] > 0).astype(np.int32)：

根据特征的线性组合生成标签。

公式 2 * X[:, 0] + 3 * X[:, 1] > 0 表示特征的线性组合是否大于 0。

大于 0 的样本标记为 1，否则标记为 0。

astype(np.int32) 将标签转换为 32 位整数。

② 初始化朴素贝叶斯模型：

model = GaussianNB()：

使用高斯朴素贝叶斯模型（Gaussian Naive Bayes）。

适用于连续特征数据。

③ 训练模型：

model.fit(X, y)：

使用数据集训练模型。

模型会计算每个类别的先验概率、均值和方差。

④ 输出训练结果：

model.class_prior_：

输出每个类别的先验概率。

model.class_count_：

输出每个类别的样本数量。

model.theta_：

输出每个类别的均值。

model.sigma_：

输出每个类别的方差。