樸素貝葉斯是一種十分簡單的分類演算法，稱其樸素是因為其思想基礎的簡單性，就文字分類而言，他認為詞袋中的兩兩詞之間的關係是相互獨立的，即一個物件的特徵向量中的每個維度都是互相獨立的。這是樸素貝葉斯理論的思想基礎。

樸素貝葉斯分類的正式定義：

1. 設x={}為一個待分類項，而每個a為x的一個特徵屬性
2. 有類別集合C={}
3. 計算P(|x)，P(|x)，…，P(|x)
4. 如果P(|x)=max{ P(|x)，P(|x)，…，P(|x)}，則x

那麼關鍵就是如何計算第三步中的各個條件概率，我們可以這樣計算：

1. 找到一個已知分類的待分類項集合，即訓練集
2. 統計得到在各類別下各個特徵屬性的條件概率估計，即：

P()，P()，…，P()

P()，P()，…，P()

P()，P()，…，P()

1. 如果各個特徵屬性是條件獨立的（或者假設他們之間是相互獨立的），根據貝葉斯定理，有如下推導：

因為分母對於所有類別為常數，只要將分子最大化即可，又因為各特徵屬性是條件獨立的，所以有：

根據上述分析，樸素貝葉斯分類的流程可以表示如下：

1. 訓練資料生成樣本集：TF-IDF
2. 對每個類別計算P()
3. 對每個特徵屬性計算所有劃分的條件概率
4. 對每個類別計算P(x|)P()
5. 以P(x|)P()的最大項作為x的所屬類別

樸素貝葉斯的演算法實現

首先建立一個Nbayes_pre.py檔案來編寫匯入的資料和樸素貝葉斯類的程式碼

#高斯樸素貝耶斯 
import numpy as np 
from sklearn.model_selection import train_test_split
import pandas as pd
from sklearn.naive_bayes import GaussianNB 
from sklearn.naive_bayes import BernoulliNB #伯努利分佈
from sklearn.naive_bayes import MultinomialNB 
from sklearn.neighbors import KNeighborsClassifier
''''' 

clf = GaussianNB().fit(X, Y) 
clf_pf = GaussianNB().partial_fit(X, Y, np.unique(Y)) 
##伯努利分佈 
clf = BernoulliNB() 
clf.fit(train_data, train_target) 
BernoulliNB(alpha=1.0, binarize=0.0, class_prior=None, fit_prior=True)

#多項式分佈
from sklearn.naive_bayes import MultinomialNB 
clf = MultinomialNB().fit(x_train, y_train) 
''' 
def getdatafromcsv():
data=pd.read_csv('iris .csv')
cols=['Sepal.Length','Sepal.Width','Petal.Length','Petal.Width']
train_target=data['Species']
train_data=data[cols]
return train_data,train_target
"""
#第一個為身高，第二個值為體重(kg),第三個為性別,1為男，2為女
x_train = [[160, 60, 1], [155, 80, 1], [178, 53, 2], [158, 53, 2], [166, 45, 2], [170, 50, 2], [156, 56, 2], 
[166, 50, 1], [175, 55, 1], [188, 68, 1], [159, 41, 2], [166, 70, 1], [175, 85, 1], [188, 98, 1], 
[159, 61, 2]] 
#1為胖，0為瘦

y_train = [1, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 1, 1, 1] 
x_test = [[166, 45, 2], [172, 52, 1], [156, 60, 1], [150, 70, 2],[166,60,1]] 
"""
train_data,train_target=getdatafromcsv()
x_train,x_test,y_train,y_test=train_test_split(train_data,train_target,test_size=0.1)

def predcitbyts(train_data,train_target,test_data):
clf = GaussianNB().fit(train_data,train_target) 
predict=clf.predict(test_data)
print("高斯貝耶斯結果:",predict)
clf_pf = GaussianNB().partial_fit(train_data, train_target, np.unique(train_target)) 
predict1=clf_pf.predict(test_data)
print("高斯貝耶斯結果partial_fit:",predict1)

def predictknn(train_data,train_target,test_data):
knn = KNeighborsClassifier()
knn.fit(train_data, train_target)
iris_y_predict = knn.predict(test_data)
print("KNN結果：",iris_y_predict)

def Bernoulli(train_data,train_target,test_data):
clf = BernoulliNB() 
clf.fit(train_data, train_target) 
BernoulliNB(alpha=1.0, binarize=0.0, class_prior=None, fit_prior=True) 
predict=clf.predict(test_data)
print(predict)

#多項式
def Multinomial(train_data,train_target,test_data):
clf = MultinomialNB().fit(x_train, y_train) 
predict=clf.predict(test_data)
print(predict)

Multinomial(x_train,y_train,x_test)
print(y_test)