Как классифицировать пользовательский набор тестов в наивном байесовском классификаторе в python? - PullRequest
Новая
       13

Как классифицировать пользовательский набор тестов в наивном байесовском классификаторе в python?

0 голосов
/ 10 января 2019

Я пытаюсь получить результат для предоставленного пользователем ввода. Ниже приведен общий код, с которым я столкнулся, который работает примерно так: Входной набор данных разделен на обучающий набор и набор для тестирования. Учебный комплект используется для обучения модели Наивного Байеса, а испытательный комплект используется для проверки обученной модели на результат. В результате он предсказывает точность того, как тестовые наборы могут быть предсказаны правильно. 

import csv
import math
import random

""" 
Load the CSV File
"""

def loadCSV(filename):
    lines = csv.reader(open(r'diabetes.csv'))
    dataset = list(lines)
    for i in range(len(dataset)):
        dataset[i] = [float(x) for x in dataset[i]]
    return dataset

"""
Training
"""

def splitDataset(dataset, splitRatio):
    trainSize = int(len(dataset) * splitRatio)
    trainSet = []
    copy = list(dataset)
    while len(trainSet) < trainSize:
        index = random.randrange(len(copy))
        trainSet.append(copy.pop(index))
    return [trainSet, copy]

def seperateByClass(dataset):
    separated = {}
    for i in range(len(dataset)):
        vector = dataset[i]
        if (vector[-1] not in separated):
            separated[vector[-1]] = []
        separated[vector[-1]].append(vector)
    return separated

def mean(numbers):
    return sum(numbers)/float(len(numbers))

def stdev(numbers):
    avg = mean(numbers)
    variance = sum([pow(x-avg, 2) for x in numbers])/float(len(numbers)-1)
    return math.sqrt(variance)

def summarize(dataset):
    summaries = [(mean(attribute), stdev(attribute)) for attribute in zip(*dataset)]
    del summaries[-1]
    return summaries

def summariesByClass(dataset):
    separated = seperateByClass(dataset)
    summaries = {}
    for classValue, instances in separated.items():
        summaries[classValue] = summarize(instances)
    return summaries

"""
Prediction
"""

def calculateProbability(x, mean, stdev):
    exponent = math.exp(-(math.pow(x-mean, 2)/(2*math.pow(stdev, 2))))
    return (1/(math.sqrt(2*math.pi)*stdev))*exponent

def calculateClassProbabilities(summaries, inputVector):
    probabilities = {}
    for classValue, classSummaries in summaries.items():
        probabilities[classValue] = 1
        for i in range(len(classSummaries)):
            mean, stdev = classSummaries[i]
            x = inputVector[i]
            probabilities[classValue] *= calculateProbability(x, mean, stdev)
        return probabilities

def predict(summaries, inputVector):
    probabilities = calculateClassProbabilities(summaries, inputVector)
    bestLabel, bestProb = None, -1
    for classValue, probability in probabilities.items():
        if bestLabel is None or probability > bestProb:
            bestProb = probability
            bestLabel = classValue
    return bestLabel

def getPredictions(summaries, testSet):
    predictions = []
    for i in range(len(testSet)):
        result = predict(summaries, testSet[i])
        predictions.append(result)
    return predictions

def getAccuracy(testSet, Predictions):
    correct = 0
    for x in range(len(testSet)):
        if testSet[x][-1] == Predictions[x]:
            correct += 1
    return (correct/float(len(testSet)))*100.0

"""
Main Method
"""

def main():
    filename = 'diabetes.csv'
    splitRatio = 0.66
    dataset = loadCSV(filename)
    trainSet, testSet = splitDataset(dataset, splitRatio)
    print('Split {0} rows into train = {1} and test = {2} rows'.format(len(dataset),len(trainSet), len(testSet)))

    summaries = summariesByClass(trainSet)

    # Test Model
    predictions = getPredictions(summaries, testSet)
    print(predictions)

    accuracy = getAccuracy(testSet, predictions)

    print('Accuracy : {0}%'.format(accuracy))

if __name__ == '__main__':
    main()

Модификация, которую я хочу сделать, состоит в том, чтобы вместо разделения набора данных на набор данных для обучения и тестирования использовать набор данных целиком для обучения модели, а также для ввода данных пользователем и проверки, получим ли мы результаты. то есть в нашем наборе данных мы прогнозируем, будет ли пациент жертвой диабета или нет, основываясь на наборе данных, предоставленном модели. Поэтому я хочу дать пользователю что-то вроде этого: 

testSet = [[6, 148, 72, 36, 0, 33.6, 0.627, 50], [8, 183, 64, 0, 0, 23.3, 0.672, 32]]

Примечание. Это две случайные строки нашего набора данных, предназначенные только для проверки выходных данных.

Ожидаемый результат для данного набора тестов: 

result = 0.0 # For 1st sample 
result = 1.0 # For 2nd sample

Пожалуйста, помогите мне. Заранее спасибо.

1 Ответ

0 голосов
/ 10 января 2019

Чтобы обучить модель, используя все данные в качестве обучающего набора, просто установите 

splitRatio=1

действительно, размер обучающего набора вычисляется с использованием выражения: 

trainSize = int(len(dataset) * splitRatio)

Чтобы принять ввод от пользователя и преобразовать его в список, вы можете использовать: 

# user input 6 148 72 36 0 33.6 0.627 50
testSet=[int(x) for x in input().split()]
...