机器学习算法[3]--朴素贝叶斯原理详解及sklearn实现

1. 朴素贝叶斯

1.1 原理

朴素贝叶斯(Naive Bayes)是基于贝叶斯定理与特征条件独立性假设的分类算法

贝叶斯定理定义如下：
$$P(Y|X)=\frac{P(X|Y)P(Y)}{P(X)}\text{\hspace{1em}(1)}$$
其中$P(Y|X)$为后验概率，$P(X|Y)$为条件概率，即似然函数(概率)，$P(Y)$为先验概率

根据条件独立性假设可知各个特征之间相互条件独立，因此式(1)可写为:
$$P(Y|X)=\frac{P(X|Y)P(Y)}{P(X)}=\prod _{i=1}^{n}P(x_i|Y)\frac{P(Y)}{P(X)}$$
其中$n$为特征数目，$x_i$为$X$在$i$个特征上的取值，$Y\in \{c_0,c_1,...c_k\}$，$k$为类别数量

由于在给定数据集下，$P(X)$对所有$P(x_i|Y)$和$P(Y)$都是相同的， 所以$$P(Y|X)=\prod _{i=1}^{n}P(x_i|Y)\frac{P(Y)}{P(X)}\propto \prod _{i=1}^{n}P(x_i|Y)P(Y)$$

朴素贝叶斯是一种概率生成模型，可用最大似然估计(MLE)或最大后验估计(MAP)对条件概率$P(X|Y)$和先验概率$P(Y)$进行参数求解；然后基于求解模型，对给定数据求出最大的后验概率$P(Y|X)$即为最终输出类别

其中$P(Y)$一般是输入数据中各类别的相对频率，而$P(X|Y)$可假设为高斯分布，多项式分布，伯努利分布等

1.2 sklearn实现

参考官方文档：点击查看

当$P(X|Y)$假设为高斯分布时，称作高斯朴素贝叶斯可通过sklearn库中naive_bayes下的GaussianNB类实现

有关参数：

• priors：各类别的先验概率，设定后不根据输入数据中的相对频率来计算
• var_smoothing：控制所有特征中方差最大的部分对方差计算的权重，保证计算方差时的稳定性，

有关属性：

• class_count_：输入数据中每个类别对应的数量
• class_prior_：每个类别的概率
• classes_：模型已知的类别标签
• epsilon_：方差的绝对相加值，防止方差为0时导致除以0的产生
• n_features_in_：自变量(特征值)的个数
• feature_names_in_：自变量的名称，仅当输入自变量有(字符)名称时可用
• sigma_：已弃用
• var_：每个类别各特征的方差
• theta_：每个类别各特征的均值

有关方法：

• fit：求解高斯朴素贝叶斯模型，即计算每个类别各特征的均值和方差
• get_params：获取对应模型参数
• partial_fit：对输入数据的分批增量求解
• predict：预测类别
• predict_log_proba：预测概率的对数
• predict_proba：预测概率
• score：获取给定数据集的平均准确度
• set_params：设置对应模型参数

使用案例

>>> import numpy as np
>>> from sklearn.naive_bayes import GaussianNB

>>> clf = GaussianNB() #实例化高斯朴素贝叶斯模型对象
>>> X = np.array([[1, 1], [3, 2], [4, 7], [2, 5]]) #数据
>>> y = np.array([1, 1, 0, 0]) #类别
>>> clf.fit(X, y) #拟合求解
>>> clf.var_
[[1.00..., 1.00...], [1.00..., 0.25...]]
>>> clf.theta_
[[3.00..., 6.00...], [2.00..., 1.50...]]
>>> clf.classes_
[0, 1]
>>> clf.class_prior_
[0.5, 0.5]
>>> clf.epsilon_
5.68...e-9
>>> clf.n_features_in_
2
>>> clf.predict_proba(X)
[[0.00..., 1.00...], [0.00..., 0.99...],
 [1.00..., 0.00...], [1.00..., 0.00...]]
>>> clf.predict([[1, 3], [5, 2]])
[1, 1]
>>> clf.score(X, y)
1.0

另外naive_bayes下通过MultinomialNB类实现$P(X|Y)$为多项式分布；通过BernoulliNB类实现$P(X|Y)$为伯努利分布；此外对$P(X|Y)$的其余假设，点击查看