• 機器學習之高斯貝葉斯分類器gaussianNB

# -*- coding: utf-8 -*-
"""
Created on Sun Nov 25 10:55:17 2018

@author: muli
"""

from sklearn import naive_bayes,datasets,cross_validation


def load_data():
    '''
    載入用於分類問題的資料集。這裡使用 scikit-learn 自帶的 digits 資料集

    :return: 一個元組，用於分類問題。元組元素依次為：訓練樣本集、測試樣本集、訓練樣本集對應的標記、測試樣本集對應的標記
    '''
    # 載入 scikit-learn 自帶的 digits 資料集
    digits=datasets.load_digits() 
    #分層取樣拆分成訓練集和測試集，測試集大小為原始資料集大小的 1/4
    return cross_validation.train_test_split(digits.data,digits.target,
		test_size=0.25,random_state=0,stratify=digits.target) 


def test_GaussianNB(*data):
    '''
    測試 GaussianNB 的用法

    :param data: 可變引數。
    它是一個元組，這裡要求其元素依次為：訓練樣本集、測試樣本集、訓練樣本的標記、測試樣本的標記
    :return: None
    '''
    X_train,X_test,y_train,y_test=data
    cls=naive_bayes.GaussianNB()
    cls.fit(X_train,y_train)
    print('Training Score: %.2f' % cls.score(X_train,y_train))
    print('Testing Score: %.2f' % cls.score(X_test, y_test))
    print("--------------")
#    print(X_test)    # 列印訓練集
#    print(np.shape(X_test))  # 訓練集維度(450, 64)
    # 測試集對應的預測概率
    # predict_proba返回的是一個 n 行 k 列的陣列， 
    # 第 i 行 第 j 列上的數值是模型預測 第 i 個預測樣本為某個標籤的概率，
    # 並且每一行的概率和為1
    print(cls.predict_proba(X_test))


if __name__=='__main__':
    # 產生用於分類問題的資料集
    X_train,X_test,y_train,y_test=load_data() 
    # 呼叫 test_GaussianNB
    test_GaussianNB(X_train,X_test,y_train,y_test)