用 Python 轻松实现机器学习

用朴素贝叶斯分类器解决现实世界里的机器学习问题。

朴素贝叶斯Naïve Bayes是一种分类技术，它是许多分类器建模算法的基础。基于朴素贝叶斯的分类器是简单、快速和易用的机器学习技术之一，而且在现实世界的应用中很有效。

朴素贝叶斯是从 贝用 叶斯定理Bayes' theorem 发展来的。贝叶斯定理由 18 世纪的统计学家 托马斯·贝叶斯 提出，它根据与一个事件相关联的其他条件来计算该事件发生的概率。比如，帕金森氏病 患者通常嗓音会发生变化，因此嗓音变化就Py是与预测帕金森氏病相关联的症状。贝叶斯定理提供了计算目标事件发生概率的方法，而朴素贝叶斯是对该方法的推广和简化。

解决一个现实世界里的问题

这篇文章展示了朴素贝叶斯分类器解决现实世界问题（相对于完整的商业级应用）的能力。我会假设你对机器学习有基本的th了解，所以文章里会跳过一些与机器学习预测不大相关的步骤，比如 数据打乱date shuffling 和 数据切片data splitting。如果你是机器学习方面的新手或者需要一个进修课程，请查看 《An introductionon to machine learning today》 和 《Getting started with open source machine learning》。

朴素贝叶斯分类器是 有监督的supervised、属于 生成模型generative&n 轻bsp;的、非线性的、属于 参数模型parametric 的和 基于概率的probabilistic。

在这篇文章里，我会演示如何用朴素贝叶斯预测帕金森氏病。需要用到的数据集来自 UCI 机器学习库。这个数据集包松实含许多语音信号的指标，用于计算患帕金森氏病的可能性；在这个例子里我们将使用这些指标中的前 8 个：

MDVP:Fo(Hz)：平均声带基频 MDVP:Fhi(Hz)：最高声带基频 MDVP:Flo(Hz)：最低声带基频 MDVP:Jitter(%)、MDVP:Ji现机tter(Abs)、MDVP:RAP、MDVP:PPQ 和 Jitter:DDP：5 个衡量声带基频变化的指标

这个例子里用到的数据集，可以在我的 GitHub 仓库 里找到。数据集已经事先做了打乱和切片。

用器学 Python 实现机器学习

接下来我会用 Python 来解决这个问题。我用的软件是：

Python 3.8.2 Pandas 1.1.1 scikit-learn 0.22.2.post1

Python 有多个朴素贝叶斯分类器的实用 现，都是开源的，包括：

NLTK Naïve Bayes：基于标准的朴素贝叶斯算法，用于文本分类 NLTK Positive Naïve Bayes：NLTK Naïve Bayes 的变体，用于对只标注了一部分的训练集进行二分类 Scikit-leaPyrn Gaussian Naïve Bayes：提供了部分拟合方法来支持数据流或很大的数据集（LCTT 译注：它们可能无法一次性导入内存，用部分拟合可以动态地增加数据） Scikit-learn Multinomial Naïve Bayes：针th对离散型特征、实例计数、频率等作了优化 Scikit-learn Bernoulli Naïve Bayes：用于各个特征都是二元变量/布尔特征的情况

在这个例子里我将使用 sklearn Gaussian Naive Bayes。

我的 Python 实现在on naive_bayes_parkinsons.py 里，如下所示：

import pandas as pd # x_rows 是我们所使用的 8 个特征的列名x_rows=['MDVP:Fo(Hz)','MDVP:Fhi(Hz)','M 轻DVP:Flo(Hz)', 'MDVP:Jitter(%)','MDVP:Jitter(Abs)','MDVP:RAP','MDVP:PPQ','Jitter:DDP']y_rows=['status'] # y_rows 是类别的列名，若患病，值为 1，松实若不患病，值为 0 # ѵ