樸素貝葉斯與決策樹應用

'''

Created on 2020年1月7日

@author: myz

'''

import tkinter

import tkinter.font as tkFont

import threading

import pandas as pd

from sklearn.naive_bayes import MultinomialNB

from sklearn.model_selection import train_test_split

from sklearn.feature_extraction.text import TfidfVectorizer

from sklearn.tree import DecisionTreeClassifier

from sklearn.metrics import classification_report

root=tkinter.Tk()

root.title('兩種算法對比')

root.geometry('900x900')

input_var=tkinter.StringVar()

bayes_text=tkinter.Text(root,width=61,height=25)

decision_text=tkinter.Text(root,width=61,height=25)

predict_text=tkinter.Text(root,width=100,height=20)

ft1 = tkFont.Font(size=20, slant=tkFont.ITALIC)? #設置字體

dff=pd.DataFrame()

score1=0.0

score2=0.0

score3=0.0

score4=0.0

y_pred_bayes=[]

y_pred_decisiontree=[]

'''

貝葉斯多項式模型線程

'''

class bayes(threading.Thread):

? ? def __init__(self,dff):

? ? ? ? super(bayes,self).__init__()

? ? ? ? self.dff=dff

? ? ? ? self.clf=MultinomialNB(fit_prior=True,alpha=6.0)

? ? ? ? self.tfidf=TfidfVectorizer(max_features=4000,lowercase=False,ngram_range=(2,4))

? ? ? ? self.train_data=[]

? ? ? ? self.test_data=[]

? ? ? ? self.train_class=[]

? ? ? ? self.test_class=[]

? ? def run(self):

? ? ? ? list_action=[i for i in self.dff['behavior_type']]

? ? ? ? '''

? ? ? ? 獲取時間與商品id連在一起作為預測數據list_target

? ? ? ? '''

? ? ? ? list_time=[i for i in self.dff['time']]

? ? ? ? list_item=[i for i in self.dff['item_id']]

? ? ? ? list_target=[]

? ? ? ? lenn=len(list_action)

? ? ? ? for i in range(lenn):

? ? ? ? ? ? target=''

? ? ? ? ? ? target=str(list_item[i])

? ? ? ? ? ? target=target+str(list_time[i])

? ? ? ? ? ? list_target.append(str(target))

? ? ? ? '''

? ? ? ? 數據拆分為訓練及和測試集

? ? ? ? '''

? ? ? ? self.train_data,self.test_data,self.train_class,self.test_class=train_test_split(list_target,list_action,shuffle=True,test_size=0.25)

? ? ? ? '''

? ? ? ? 特征提取

? ? ? ? '''

? ? ? ? self.tfidf.fit(self.train_data)

? ? ? ? tf_train_data=self.tfidf.fit_transform(self.train_data)

? ? ? ? tf_test_data=self.tfidf.fit_transform(self.test_data)

? ? ? ? '''

? ? ? ? 樸素貝葉斯分類器預測

? ? ? ? '''

? ? ? ? self.clf.fit(tf_train_data,self.train_class)

? ? ? ? # tf_test_data = tfidf.transform(test_data)

? ? ? ? y_pred = self.clf.predict(tf_test_data)

? ? ? ? global score3

? ? ? ? global score4

? ? ? ? score3=self.clf.score(tf_train_data,self.train_class)

? ? ? ? score4=self.clf.score(tf_test_data,self.test_class)

? ? ? ? bayes_text.insert(tkinter.INSERT, '貝葉斯訓練集分數{}\n'.format(score3))

? ? ? ? bayes_text.insert(tkinter.INSERT, '貝葉斯測試集分數{}\n'.format(score4))

? ? ? ? print('bayes訓練集分數為：{}'.format(self.clf.score(tf_train_data,self.train_class)))

? ? ? ? print('bayes測試集分數為：{}'.format(self.clf.score(tf_test_data,self.test_class)))

? ? ? ? print('分類報告{}'.format(classification_report(y_pred,self.test_class)))

? ? ? ? bayes_text.insert(tkinter.INSERT, '貝葉斯分類報告{}\n'.format(classification_report(y_pred,self.test_class)))#顯示精確度、召回率、所有標簽結果的平均值、所有標簽結果的加權平均值

? ? def predict(self):

? ? ? ? listt=[]

? ? ? ? listt.append(input_var.get())

? ? ? ? self.tfidf.fit_transform(listt)

? ? ? ? self.tfidf.fit_transform(self.train_data)

? ? ? ? data1=self.tfidf.transform(listt)

? ? ? ? global y_pred_bayes

? ? ? ? y_pred_bayes=self.clf.predict(data1)

? ? ? ? print('預測為:{}'.format(y_pred_bayes))

#? ? ? ? print(test_data[:50])

#? ? ? ? print(y_pred[:50])

'''

決策樹模型線程

'''

class DecisionTree(threading.Thread):

? ? def __init__(self,dff):

? ? ? ? super(DecisionTree,self).__init__()

? ? ? ? self.dff=dff

? ? ? ? self.model=DecisionTreeClassifier(max_depth=30)#控制決策樹的深度最大為4

? ? ? ? self.tfidf=TfidfVectorizer(max_features=4000,lowercase=False,ngram_range=(2,4))

? ? ? ? self.train_data2=[]

? ? ? ? self.test_data2=[]

? ? ? ? self.train_class2=[]

? ? ? ? self.test_class2=[]

? ? def run(self):

#? ? ? ? for i in self.dff['behavior_type']:

#? ? ? ? ? ? if i==4:

#? ? ? ? ? ? ? ? list.append(1)

#? ? ? ? ? ? else:

#? ? ? ? ? ? ? ? list.append(0)

#? ? ? ? model=SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')

? ? ? ? list_action=[i for i in self.dff['behavior_type']]

? ? ? ? '''

? ? ? ? 獲取時間與商品id連在一起作為預測數據list_target

? ? ? ? '''

? ? ? ? list_time=[i for i in self.dff['time']]

? ? ? ? list_item=[i for i in self.dff['item_id']]

? ? ? ? list_target=[]

? ? ? ? lenn=len(list_action)

? ? ? ? for i in range(lenn):

? ? ? ? ? ? target=''

? ? ? ? ? ? target=str(list_item[i])

? ? ? ? ? ? target=target+str(list_time[i])

? ? ? ? ? ? list_target.append(str(target))

? ? ? ? '''

? ? ? ? 數據拆分為訓練及和測試集

? ? ? ? '''

? ? ? ? self.train_data2,self.test_data2,self.train_class2,self.test_class2=train_test_split(list_target,list_action,shuffle=True,test_size=0.25)

? ? ? ? '''

? ? ? ? 特征提取

? ? ? ? '''

? ? ? ? self.tfidf.fit(self.train_data2)

? ? ? ? tf_train_data2=self.tfidf.fit_transform(self.train_data2)

? ? ? ? tf_test_data2=self.tfidf.fit_transform(self.test_data2)

? ? ? ? self.model.fit(tf_train_data2,self.train_class2)

? ? ? ? y_pred=self.model.predict(tf_test_data2)

? ? ? ? global score1

? ? ? ? global score2

? ? ? ? score1=self.model.score(tf_train_data2,self.train_class2)

? ? ? ? score2=self.model.score(tf_test_data2,self.test_class2)

? ? ? ? decision_text.insert(tkinter.INSERT, '決策樹訓練集分數{}\n'.format(score1))

? ? ? ? decision_text.insert(tkinter.INSERT, '決策樹測試集分數{}\n'.format(score2))

? ? ? ? print('決策樹模型訓練集分數為：{}'.format(self.model.score(tf_train_data2,self.train_class2)))

? ? ? ? print('決策樹模型測試集分數為：{}'.format(self.model.score(tf_test_data2,self.test_class2)))

? ? ? ? print('分類報告{}'.format(classification_report(y_pred,self.test_class2)))

? ? ? ? decision_text.insert(tkinter.INSERT, '決策樹分類報告\n{}'.format(classification_report(y_pred,self.test_class2)))

#? ? ? ? print(test_data2[:50])

#? ? ? ? print(y_pred[:50])

? ? def predict(self):

? ? ? ? listt=[]

? ? ? ? listt.append(input_var.get())

? ? ? ? self.tfidf.fit_transform(listt)

? ? ? ? self.tfidf.fit_transform(self.train_data2)

? ? ? ? data1=self.tfidf.transform(listt)

? ? ? ? global y_pred_decisiontree

? ? ? ? y_pred_decisiontree=self.model.predict(data1)

? ? ? ? print('預測為:{}'.format(y_pred_decisiontree))

def interface():

? ? title_label=tkinter.Label(root,text='預測用戶行為',font=ft1)

? ? title_label.grid(row=0,columnspan=8,pady=8)

? ? bayes_button=tkinter.Button(root,text='bayes模型',command=bayes_start) # command 點擊事件命令

? ? bayes_button.grid(row=1,column=0,columnspan=4,pady=2)

? ? decision_button=tkinter.Button(root,text='decision_tree模型',command=decision_tree) # command 點擊事件命令

? ? decision_button.grid(row=1,column=4,columnspan=4,pady=2)

? ? bayes_text.grid(row=2,column=0,columnspan=4,padx=8)? ?

? ? decision_text.grid(row=2,column=4,columnspan=4,padx=8)

? ? smalltitle_label=tkinter.Label(root,text='預測用戶行為',font=ft1)

? ? smalltitle_label.grid(row=3,columnspan=8,pady=8)

? ? input_entry=tkinter.Entry(root,textvariable=input_var,width=100)

? ? input_entry.grid(row=4,column=0,pady=10,columnspan=7,ipady=7)

? ? bayes_predict_button=tkinter.Button(root,text='bayes預測',command=bayes_predict) # command 點擊事件命令

? ? bayes_predict_button.grid(row=4,column=7,pady=10)

? ? predict_text.grid(row=5,column=0,rowspan=10,columnspan=7,padx=8)

? ? decision_predict_button=tkinter.Button(root,text='decision_tree預測',command=decision_predict) # command 點擊事件命令

? ? decision_predict_button.grid(row=5,column=7)

? ? root.mainloop()

def bayes_start():

? ? print('啟動貝葉斯模型評估')

? ? bayes_text.insert(tkinter.INSERT, '啟動貝葉斯模型評估\n')

? ? m1.start()

#? ? time.sleep(300)

#? ? bayes_text.insert(tkinter.INSERT, '貝葉斯訓練集分數{}\n'.format(score3))

#? ? bayes_text.insert(tkinter.INSERT, '貝葉斯測試集分數{}\n'.format(score4))

def decision_tree():

? ? print('啟動決策樹模型評估')

? ? decision_text.insert(tkinter.INSERT, '啟動決策樹模型評估\n')

? ? m2.start()

#? ? time.sleep(60)

#? ? decision_text.insert(tkinter.INSERT, '決策樹訓練集分數{}\n'.format(score1))

#? ? decision_text.insert(tkinter.INSERT, '決策樹測試集分數{}\n'.format(score2))

def bayes_predict():

? ? print('開始bayes預測')

? ? m1.predict()

? ? predict_text.insert(tkinter.INSERT, '開始貝葉斯預測\n')

? ? predict_text.insert(tkinter.INSERT, '消費者針對此商品，在此時的行為預測為：{}\n'.format(y_pred_bayes))

#? ? predict_text.insert(tkinter.INSERT, y_pred_bayes)

def decision_predict():

? ? print('開始決策樹預測')

? ? m2.predict()

? ? predict_text.insert(tkinter.INSERT, '開始決策樹預測\n')

#? ? predict_text.insert(tkinter.INSERT, input_var.get())

? ? predict_text.insert(tkinter.INSERT, '消費者針對此商品，在此時的行為預測為：{}\n'.format(y_pred_decisiontree))

if __name__=='__main__':

? ? ? ? dff=pd.read_csv('clean_user33.csv')

? ? ? ? m1=bayes(dff)

? ? ? ? m2=DecisionTree(dff)

? ? ? ? interface()

?著作權歸作者所有,轉載或內容合作請聯系作者
【社區(qū)內容提示】社區(qū)部分內容疑似由AI輔助生成，瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明：文章內容（如有圖片或視頻亦包括在內）由作者上傳并發(fā)布，文章內容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內容

友情鏈接更多精彩內容