机器学习算法的R语言实现:朴素贝叶斯分类器
1、引子
朴素贝叶斯方法是一种使用先验概率去计算后验概率的方法,其中 朴素 的意思实际上指的是一个假设条件,后面在举例中说明。本人以为,纯粹的数学推导固然有其严密性、逻辑性的特点,但对我等非数学专业的人来说,对每一推导步骤的并非能透彻理解,我将从一个例子入手,类似于应用题的方式,解释朴素贝叶斯分类器,希望能对公式的理解增加形象化的场景。
2、实例
最近“小苹果”很火,我们就以苹果来举例说,假设可以用三个特征来描述一个苹果,分别为“尺寸”、“重量”和“颜色”;其中“尺寸”的取值为小、大,“重量”的取值为轻、重,“颜色”取值为红、绿。对这三个特征描述的苹果中,对苹果的按味道进行分类,可取的值为good、bad。
朴素贝叶斯分类器就要要解决如下一个问题,已知苹果味道取good和bad的概率,那么如果给定一个一组苹果的特征,那么这个苹果味道取good和bad的概率是多少?这是个典型的逆概率的问题。
尺寸(size) 大 小 大 大 小 小
重量(weight) 轻 重 轻 轻 重 轻
颜色(color) 红 红 红 绿 红 绿
味道(taste) good good bad bad bad good
以上给出了6个苹果的特征描述及其口味,那个一个大而重的红苹果,能否估计出它的味道是good还是bad?
这里我们先解释下 朴素 的含义,朴素就是这样一个假设:描述苹果的三个特征是相互独立的。这个假设会对后面的计算带来极大的方便。但是肯定有人会想,对这个例子来说,这个假设就不成立嘛,大小和重量从直觉上我们都会感到是两个正相关的特征。是的,朴素的假设在实际世界中是较难满足的,但是实际使用中,基于这个假设作出预测的正确率是在一个可接受的范围。
3、基本方法
P ( A ∣ B ) 表示在确定B的情况下,事件A发生的概率,而在实际情况中,我们或许更关心 P ( B ∣ A ) 但是只能直接获得 P ( A ∣ B ) ,此时我们需要一个工具可以把 P ( A∣ B ) 和
P ( B ∣ A )
相互转化, 贝叶斯定理就是这样一个公式,下面给出贝叶斯定理:
$$P(B|A) = frac{{P(A|B)P(B)}}{{P(A)}}$$
对苹果分类的问题,有三个特征 F = { f 1 , f 2 , f 3 } ,两种分类 C = { c 1 , c 2 } ,根据贝叶斯公式有给定特征条件下,特征为
c i
的概率
$$P({c_i}|{f_1}{f_2}{f_3}) = frac{{P({f_1}{f_2}{f_3}|{c_i})P({c_i})}}{{P({f_1}{f_2}{f_3})}}$$
使得上式取得最大值的 c i 即为分类结果,由于对给定训练集来说,
P ( f 1 f 2 f 3 )
为常数,那么就转为为求
P ( f 1 f 2 f 3 ∣ c i ) P ( c i )
的最大值。
朴素 贝叶斯的假设在这里就体现了,由于特征值相互独立,那么上式可以转化为
P ( f 1 ∣ c i ) P ( f 2 ∣ c i ) P ( f 3 ∣ c i ) P ( c i )
整个问题就变为求使得上式取最大值的
c i
,而上式中的每一项都可以从训练集中得到。
最后讨论下 Laplace校准 ,如果某一个特性值在训练集中出现的次数为0,那么以上我们讨论的公式就没有意义了,以为对所有的类型结果都是0。当然对训练集进行选择可以避免这种情况,但是如果避免不了就需要进行Laplace校准。其实很简单,把所有出现特征出现的次数都加上1,即为Laplace校准。
4、R语言实现
################################# 朴素贝叶斯分类器################################library(plyr)
library(reshape2)#1、根据训练集创建朴素贝叶斯分类器#1.1、生成类别的概率##计算训练集合D中类别出现的概率,即P{c_i}##输入:trainData 训练集,类型为数据框## strClassName 指明训练集中名称为strClassName列为分类结果##输出:数据框,P{c_i}的集合,类别名称|概率(列名为 prob)class_prob <- function(trainData, strClassName){ #训练集样本数
length.train <- nrow(trainData)
dTemp <- ddply(trainData, strClassName, "nrow")
dTemp <- ddply(dTemp, strClassName, mutate, prob = nrow/length.train)
dTemp[,-2]
}##1.2、生成每个类别下,特征取不同值的概率##计算训练集合D中,生成每个类别下,特征取不同值的概率,即P{fi|c_i}##输入:trainData 训练集,类型为数据框## strClassName 指明训练集中名称为strClassName列为分类结果,其余的全部列认为是特征值##输出:数据框,P{fi|c_i}的集合,类别名称|特征名称|特征取值|概率(列名为 prob)feature_class_prob <- function(trainData, strClassName){ # 横表转换为纵表
data.melt <- melt(trainData,id=c(strClassName)) # 统计频数
aa <- ddply(data.melt, c(strClassName,"variable","value"), "nrow") # 计算概率
bb <- ddply(aa, c(strClassName,"variable"), mutate, sum = sum(nrow), prob = nrow/sum) # 增加列名
colnames(bb) <- c("class.name", "feature.name", "feature.value", "feature.nrow", "feature.sum", "prob") # 返回结果
bb[,c(1,2,3,6)]
}#feature_class_prob(iris,"Species")## 以上创建完朴素贝叶斯分类器## 2、使用生成的朴素贝叶斯分类器进行预测##使用生成的朴素贝叶斯分类器进行预测P{fi|c_i}##输入:oneObs 数据框,待预测的样本,格式为 特征名称|特征值## pc 数据框,训练集合D中类别出现的概率,即P{c_i} 类别名称|概率## pfc 数据框,每个类别下,特征取不同值的概率,即P{fi|c_i}## 类别名称|特征名称|特征值|概率##输出:数据框,待预测样本的分类对每个类别的概率,类别名称|后验概率(列名为 prob)pre_class <- function(oneObs, pc,pfc){
colnames(oneObs) <- c("feature.name", "feature.value")
colnames(pc) <- c("class.name","prob")
colnames(pfc) <- c("class.name","feature.name","feature.value","prob")
# 取出特征的取值的条件概率
feature.all <- join(oneObs,pfc,by=c("feature.name","feature.value"),type="inner") # 取出特征取值的条件概率连乘
feature.prob <- ddply(feature.all,.(class.name),summarize,prob_fea=prod(prob)) #prod为连乘函数
#取出类别的概率
class.all <- join(feature.prob,pc,by="class.name",type="inner") #输出结果
ddply(class.all,.(class.name),mutate,pre_prob=prob_fea*prob)[,c(1,4)]
}##3、数据测试##用上面苹果的数据作为例子进行测试#训练集train.apple <-data.frame(
size=c("大","小","大","大","小","小"),
weight=c("轻","重","轻","轻","重","轻"),
color=c("红","红","红","绿","红","绿"),
taste=c("good","good","bad","bad","bad","good")
)#待预测样本oneObs<-data.frame(
feature.name =c("size", "weight", "color"),
feature.value =c("大","重","红")
)#预测分类pc <- class_prob(train.apple,"taste")
pfc <- feature_class_prob(train.apple,"taste")
pre_class(oneObs, pc,pfc)
结果为
class.name pre_prob
1 bad 0.07407407
2 good 0.03703704
可见该苹果的口味为bad
5、朴素贝叶斯分类小结
1、属于有监督的学习(有训练集);
2、主要处理离散类型的数据,如果为连续数据可先进行离散化;
3、训练集的特征取值要尽量完备,如果有缺失需进行预处理(Laplace校准);
4、关于特征值相互独立的假设,在实际问题中一般无法满足,但基于此假设做的预测是可以接受的。
- 江湖秘笈:说烦了破解、渗透等,不如大家一起聊聊硬盘加密?
- Nodejs学习笔记(十三)— PM2
- 十分钟带你了解服务化框架
- 十分钟带你了解服务化框架
- WCF技术剖析之十七:消息(Message)详解(上篇)
- 微信年底重磅更新,这次小程序才是重头戏!
- 《EnterLib PIAB深入剖析》系列博文汇总
- Nodejs学习笔记(八)--- Node.js + Express 实现上传文件功能(felixge/node-formidable)
- 大牛教你使用7种卷积神经网络进行物体检测!
- Enterprise Library深入解析与灵活应用(3):倘若将Unity、PIAB、Exception Handling引入MVP模式.. .. ..
- 别对我说谎!你的小九九我都知道
- Spring集成RabbitMQ-使用RabbitMQ更方便
- Nodejs学习笔记(三)--- 模块
- 使用JClouds在Java中获取和发布云服务器
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- Day46:孩子们的游戏(圆圈中最后剩下的数)
- 3分钟短文:Laravel 检查记录是否被软删除
- Day47:求1+2+3+……+n
- 3分钟短文:Laravel 使用DB门面操作原生SQL
- Day48:不用加减乘除做加法
- Day49:将字符串转换成整数
- Day50:数组中重复的数字
- 3分钟短文:Laravel模型OR查询避坑指南
- Day51:构建乘积数组
- 3分钟短文:Laravel ORM 模型用法纲要
- Day52:正则表达式匹配
- 3分钟短文:Laravel 模型查询数据库的几个关键方法
- Day53:表示数值的字符串
- 3分钟短文:Laravel模型写操作很简单,大多数人容易用错
- Day54:字符流中第一个不重复的字符