前言
- 蛋肥使用乳腺癌數(shù)據(jù)集，練習樸素貝葉斯模型，根據(jù)特征數(shù)據(jù)對腫瘤的良性、惡性進行預測。
準備
時間：2021/08/09
系統(tǒng)環(huán)境：Windows 10
所用工具：Jupyter Notebook\Python 3.0
涉及的庫：pandas\train_test_split\GaussianNB\accuracy_score
搭建樸素貝葉斯模型模型
#讀取數(shù)據(jù)集
import pandas as pd
df=pd.read_csv(r"C:\Users\Archer\Desktop\bc_data.csv")
#將diagnosis轉(zhuǎn)化為數(shù)值
df=df.replace({"diagnosis":{"M":1,"B":2}})
#選取自變量、因變量
X=df.drop(columns=["diagnosis","id"])
Y=df["diagnosis"]
#劃分訓練集、測試集，測試集占20%
from sklearn.model_selection import train_test_split
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,test_size=0.2,random_state=1)
#搭建樸素貝葉斯模型
from sklearn.naive_bayes import GaussianNB
nb=GaussianNB()
nb.fit(X_train,Y_train)
獲取預測準確度
蛋肥想法：通過測試集數(shù)據(jù)，檢驗預測準確度，測得準確度為94.74%。
#預測結(jié)果評分
from sklearn.metrics import accuracy_score
Y_pred=nb.predict(X_test)
score=accuracy_score(Y_pred,Y_test)
print(str(score))
獲取預測概率
#預測概率，classes_為每個位置的概率分別對應的類別標簽
Y_pred_=nb.predict_proba(X_test)
data=pd.DataFrame(Y_pred_,columns=list(nb.classes_))
data.head()
總結(jié)
- 樸素貝葉斯模型在應用過程中會把數(shù)據(jù)集中的特征看成是相互獨立的，不考慮特征間的關(guān)聯(lián)關(guān)系，運算速度較快。
- 樸素貝葉斯模型的泛化能力稍弱，不過當樣本及特征的數(shù)量增加時，其預測效果也是不錯的。
