亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

樸素貝葉斯法的參數(shù)估計——貝葉斯估計及其Python實(shí)現(xiàn)

系統(tǒng) 2056 0

統(tǒng)計學(xué)習(xí)方法——樸素貝葉斯法原理

1. 貝葉斯估計

1.1 為什么要用貝葉斯估計(極大似然的缺點(diǎn))

樸素貝葉斯法的參數(shù)估計——貝葉斯估計及其Python實(shí)現(xiàn)_第1張圖片

1.2 貝葉斯估計原理

樸素貝葉斯法的參數(shù)估計——貝葉斯估計及其Python實(shí)現(xiàn)_第2張圖片
樸素貝葉斯法的參數(shù)估計——貝葉斯估計及其Python實(shí)現(xiàn)_第3張圖片

貝葉斯估計的算法過程合極大似然估計的算法過程一模一樣,代碼也幾乎一模一樣,只是加了一個λ。

2. Python代碼

            
              
                def
              
              
                priorProbability
              
              
                (
              
              labelList
              
                ,
              
              Lambda
              
                )
              
              
                :
              
              
                # 加入一個lambda
              
              
    labelSet 
              
                =
              
              
                set
              
              
                (
              
              labelList
              
                )
              
              
    labelCountDict 
              
                =
              
              
                {
              
              
                }
              
              
                for
              
               label 
              
                in
              
               labelList
              
                :
              
              
                if
              
               label 
              
                not
              
              
                in
              
               labelCountDict
              
                :
              
              
            labelCountDict
              
                [
              
              label
              
                ]
              
              
                =
              
              
                0
              
              
        labelCountDict
              
                [
              
              label
              
                ]
              
              
                +=
              
              
                1
              
              
    priorProbabilityDict 
              
                =
              
              
                {
              
              
                }
              
              
                for
              
               label 
              
                in
              
               labelSet
              
                :
              
              
        priorProbabilityDict
              
                [
              
              label
              
                ]
              
              
                =
              
              
                (
              
              labelCountDict
              
                [
              
              label
              
                ]
              
              
                +
              
              Lambda
              
                )
              
              
                /
              
              
                (
              
              
                len
              
              
                (
              
              labelList
              
                )
              
              
                +
              
              
                len
              
              
                (
              
              labelSet
              
                )
              
              
                *
              
              Lambda
              
                )
              
              
                return
              
               priorProbabilityDict

              
                def
              
              
                conditionProbability
              
              
                (
              
              dataSet
              
                ,
              
              labelList
              
                ,
              
              Lambda
              
                )
              
              
                :
              
              
    dimNum 
              
                =
              
              
                len
              
              
                (
              
              dataSet
              
                [
              
              
                0
              
              
                ]
              
              
                )
              
              
    characterVal 
              
                =
              
              
                [
              
              
                ]
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              dimNum
              
                )
              
              
                :
              
              
        temp 
              
                =
              
              
                [
              
              
                ]
              
              
                for
              
               j 
              
                in
              
              
                range
              
              
                (
              
              
                len
              
              
                (
              
              dataSet
              
                )
              
              
                )
              
              
                :
              
              
                if
              
               dataSet
              
                [
              
              j
              
                ]
              
              
                [
              
              i
              
                ]
              
              
                not
              
              
                in
              
               temp
              
                :
              
              
                temp
              
                .
              
              append
              
                (
              
              dataSet
              
                [
              
              j
              
                ]
              
              
                [
              
              i
              
                ]
              
              
                )
              
              
        characterVal
              
                .
              
              append
              
                (
              
              temp
              
                )
              
              
    probability 
              
                =
              
              
                [
              
              
                ]
              
              
    labelSet 
              
                =
              
              
                list
              
              
                (
              
              
                set
              
              
                (
              
              labelList
              
                )
              
              
                )
              
              
                for
              
               dim 
              
                in
              
              
                range
              
              
                (
              
              dimNum
              
                )
              
              
                :
              
              
        tempMemories 
              
                =
              
              
                {
              
              
                }
              
              
                for
              
               val 
              
                in
              
               characterVal
              
                [
              
              dim
              
                ]
              
              
                :
              
              
                for
              
               label 
              
                in
              
               labelSet
              
                :
              
              
                labelCount 
              
                =
              
              
                0
              
              
                mixCount 
              
                =
              
              
                0
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              
                len
              
              
                (
              
              labelList
              
                )
              
              
                )
              
              
                :
              
              
                if
              
               labelList
              
                [
              
              i
              
                ]
              
              
                ==
              
               label
              
                :
              
              
                        labelCount 
              
                +=
              
              
                1
              
              
                if
              
               dataSet
              
                [
              
              i
              
                ]
              
              
                [
              
              dim
              
                ]
              
              
                ==
              
               val
              
                :
              
              
                            mixCount 
              
                +=
              
              
                1
              
              
                tempMemories
              
                [
              
              
                str
              
              
                (
              
              val
              
                )
              
              
                +
              
              
                "|"
              
              
                +
              
              
                str
              
              
                (
              
              label
              
                )
              
              
                ]
              
              
                =
              
              
                (
              
              mixCount
              
                +
              
              Lambda
              
                )
              
              
                /
              
              
                (
              
              labelCount
              
                +
              
              
                len
              
              
                (
              
              characterVal
              
                [
              
              dim
              
                ]
              
              
                )
              
              
                *
              
              Lambda
              
                )
              
              
        probability
              
                .
              
              append
              
                (
              
              tempMemories
              
                )
              
              
                return
              
               probability

              
                def
              
              
                naiveBayes
              
              
                (
              
              x
              
                ,
              
              dataSet
              
                ,
              
              labelList
              
                ,
              
              Lambda
              
                )
              
              
                :
              
              
    priorProbabilityDict 
              
                =
              
               priorProbability
              
                (
              
              labelList
              
                ,
              
              Lambda
              
                )
              
              
    probability 
              
                =
              
               conditionProbability
              
                (
              
              dataSet
              
                ,
              
              labelList
              
                ,
              
              Lambda
              
                )
              
              
    bayesProbability 
              
                =
              
              
                {
              
              
                }
              
              
    labelSet 
              
                =
              
              
                list
              
              
                (
              
              
                set
              
              
                (
              
              labelList
              
                )
              
              
                )
              
              
                for
              
               label 
              
                in
              
               labelSet
              
                :
              
              
        tempProb 
              
                =
              
               priorProbabilityDict
              
                [
              
              label
              
                ]
              
              
                for
              
               dim 
              
                in
              
              
                range
              
              
                (
              
              
                len
              
              
                (
              
              x
              
                )
              
              
                )
              
              
                :
              
              
            tempProb 
              
                *=
              
               probability
              
                [
              
              dim
              
                ]
              
              
                [
              
              
                str
              
              
                (
              
              x
              
                [
              
              dim
              
                ]
              
              
                )
              
              
                +
              
              
                "|"
              
              
                +
              
              
                str
              
              
                (
              
              label
              
                )
              
              
                ]
              
              
        bayesProbability
              
                [
              
              label
              
                ]
              
              
                =
              
               tempProb
    result 
              
                =
              
              
                sorted
              
              
                (
              
              bayesProbability
              
                .
              
              items
              
                (
              
              
                )
              
              
                ,
              
              key
              
                =
              
              
                lambda
              
               x
              
                :
              
              x
              
                [
              
              
                1
              
              
                ]
              
              
                ,
              
              reverse
              
                =
              
              
                True
              
              
                )
              
              
                return
              
               result
              
                [
              
              
                0
              
              
                ]
              
              
                [
              
              
                0
              
              
                ]
              
            
          

更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯(lián)系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發(fā)表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 亚洲国产精品一区 | 免费看在线爱爱小视频 | 亚洲精品国产第一综合99久久 | 精品在线一区二区三区 | 久久男人 | 欧洲做视频在线观看 | 国产精品久久久久久永久牛牛 | 9966久久精品免费看国产 | 国内精品中文字幕 | 老司机精品在线观看 | 日韩精品一区二三区中文 | 97在线视频网站 | 视频一区久久 | 久99频这里只精品23热 视频 | 性bbbb美女| 国产原创精品 | 真实的国产乱xxxx | 一本本久综合久久爱 | 久久www免费人成看国产片 | 香蕉久久一区二区三区 | 一级特级aaaa毛片免费观看 | 亚洲水蜜桃久久综合网站 | 永久黄网站色视频免费 | 亚洲va久久久久综合 | 免费看欧美理论片在线 | 四虎国产精品免费观看 | 国产系列欧美系列日韩系列在线 | 国产亚洲精品一区二区 | 欧美不卡精品中文字幕日韩 | 天天骑天天射 | 爱爱视频在线免费观看 | 视频一区二区国产无限在线观看 | 在线精品一区二区三区 | 99久久亚洲国产高清观看 | 精品欧美高清一区二区免费 | 精品国产麻豆 | 国产成人高清在线观看播放 | 久久精品国产精品亚洲20 | 毛片久久 | 国内精品久久影院 | 六月丁香婷婷综合 |