一、实战 - 朴素贝叶斯的使用

1. 调用sklearn 朴素贝叶斯模块CategoricalNB, 训练模型基于用户基本信息，预测其购买商品的概率。

import pandas as pd
import numpy as np

# 数据加载
data = pd.read_csv("data.csv")
data.head()

# X赋值
X = data.drop(['y'], axis = 1)

# y 赋值
y = data.loc[:, 'y']

# 建立模型
# pip install sklearn 
from sklearn.native_bayes import CategoricalNB

# 建立模型实例
model = CategoricalNB()

# 模型训练
model.fit(X, y)

y_predict_prob = model.predict_proba(X)

# 输出预测y
y_predict = model.predict(X)

# 计算模型准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y, y_predict)

# 测试样本的预测
X_test = np.array([0,0,0,1,1,0])

y_test_proba = model.predict_proba(X_test)

y_test = model.predict(X_test)

任务部分 是怎么打上去的

实战问题：

代码（已验证）：

# 导入pandas库, numpy库

import pandas as pd

import numpy as np

# 将数据预先储存为一个csv文件，然后加载到开发环境中来

# 读取数据

data = pd.read_csv("chapter3_data.csv")  

# 查看数据

data.head()

# X赋值

# 将y的一列单独去掉，axis=0为行，axis=1为列

X = data.drop(["y"], axis=1)

print(X)

#y赋值

y = data.loc[:,"y"]

print(y)

#建立模型

# 从sklearn包的naive_bayes之中导入CategoricalNB

from sklearn.naive_bayes import CategoricalNB

# 建立模型实例

model = CategoricalNB()

# 训练模型

model.fit(X, y)

# 预测 测试集数据

# 预测y=1or=0的概率

y_predict_proba  =  model.predict_proba(X)

# 输出y的预测值

y_predict = model.predict(X)

#计算模型准确率

from sklearn.metrics import accuracy_score

accuracy = accuracy_score(y, y_predict)

print(accuracy)

# 任务二：

# 测试样品X_test的预测

# 先将其转化成为数组形式

X_test = np.array([[0,0,0,1,1,0]])

print(X_test)

# 预测样品的购买或不购买的概率

y_predict_proba = model.predict_proba(X_test)

print(y_predict_proba)

# 输出样品的预测值

y_test = model.predict(X_test)

print(y_test)

sklearn库中引入CategoricalNB失败，但是高斯NB和多项式NB都是有的，请问这是库的问题吗还是我引入错了

代码为

    from sklearn.naive_bayes import CategoricalNB

返回信息为

ImportError: cannot import name 'CategoricalNB' from 'sklearn.naive_bayes' (E:\Anaconda3\lib\site-packages\sklearn\naive_bayes.py)

实战： 利用朴素贝叶斯判断客户消费意愿

调用sklearn朴素贝叶斯模块的CategoricalNB, 训练模型基于用户信息，预测购买商品的概率。

任务一：基于上面的数据，建立朴素贝叶斯模型

任务二：基于模型，判断上面用户会否购买

具体实现代码展示：

import pandas as pd  //导入pandas库

import numpy as np  //导入numpy库

data = pd.read_csv("chapter3_data.csv")  //将数据预先储存为一个csv文件，然后加载到开发环境中来

data.head()  //读取数据

#x赋值   x = data.drop(["y"], axis=1)  //将y的一列单独去掉，axis=0为行，axis=1为列

print(x)

#y赋值  y = data.loc([: , "y"]) 

print(y)

#建立模型

from sklearn.naive_bayes import CategoricalNB    //从sklearn包的naive_bayes之中导入                    CategoricalNB

model = CategoricalNB()   //建立模型实例

model.fit(x , y)   //训练模型

y_predict_proba  =  model.predict_proba(x)  //预测y=1or=0的概率

y_predict = model.predict(x)   //输出y的预测值

#计算模型准确率

from sklearn.metrics import accuracy_score

accuracy = accuracy_score(y, y_predict)

print(accuracy)

任务二：

#测试样品x的预测

X_test = np.array([[0,0,0,1,1,0]])   //先将其转化成为数组形式

print(X_test)

y_predict_proba = model.predict_proba(X_test)  //预测样品的购买或不购买的概率

print(y_predict_proba)

y_test = model.predict(X_test)  //输出样品的预测值

print(y_test)