Bernoulli Naive Bayes：用于多元伯努利模型的Naive Bayes分类器
一、算法思路
与多项式分类器一样，该分类器也适用于离散数据。不同之处在于，多项式分类器适用于出现次数，而伯努利分类器则适用于二进制/布尔特征。
二、官网API
官网API
导包：from sklearn.naive_bayes import BernoulliNB
class sklearn.naive_bayes.BernoulliNB(*, alpha=1.0, force_alpha='warn', binarize=0.0, fit_prior=True, class_prior=None)
这里的参数还是比较多的，具体的参数使用，可以根据官网给的demo进行学习，多动手尝试；这里就以一些常用的参数进行说明。
①平滑参数alpha
加法（拉普拉斯/利德斯通）平滑参数（设置 alpha=0 和 force_alpha=True 表示不平滑）
浮点数，默认为1.0
也可以传入array形式，array为各个特征值
具体官网详情如下：
使用方法
BernoulliNB(alpha=1.2)
或者
beyond = ['cat','dog']
bernoulli = BernoulliNB(alpha=beyond)
②force_alpha
如果为False，且alpha小于1e-10，则会将alpha设置为1e-10，默认值
如果为True，alpha将保持不变
如果alpha太接近0，可能会导致数字错误
具体官网详情如下：
使用方法
BernoulliNB(force_alpha=True)
③样本特征二值化阈值binarize
binarize样本特征二值化（映射为布尔值）的阈值
如果为None，则假定输入已包含二进制向量
参数类型为浮点型，默认值为0.0
具体官网详情如下：
使用方法
BernoulliNB(binarize=1.0)
④fit_prior
是否学习类别先验概率。如果为False，将使用统一先验；默认值为True
具体官网详情如下：
使用方法
BernoulliNB(fit_prior=False)
⑤类别先验概率class_prior
class_prior类别的先验概率；如果指定，则不会根据数据调整先验概率；默认值为None
具体官网详情如下：
使用方法
beyond = ['cat','dog']
bernoulli = BernoulliNB(class_prior=beyond)
⑥最终构建模型
BernoulliNB(alpha=1.2,force_alpha=True,binarize=1.0,fit_prior=False)
三、代码实现
①导包
这里需要评估、训练、保存和加载模型，以下是一些必要的包，若导入过程报错，pip安装即可
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import joblib
%matplotlib inline
import seaborn as sns
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import BernoulliNB
from sklearn.metrics import confusion_matrix, classification_report, accuracy_score
②加载数据集
数据集可以自己简单整个，csv格式即可，我这里使用的是6个自变量X和1个因变量Y
fiber = pd.read_csv("./fiber.csv")
fiber.head(5) #展示下头5条数据信息
③划分数据集
前六列是自变量X，最后一列是因变量Y
常用的划分数据集函数官网API：train_test_split
test_size：测试集数据所占比例
train_size：训练集数据所占比例
random_state：随机种子
shuffle：是否将数据进行打乱
因为我这里的数据集共48个，训练集0.75，测试集0.25，即训练集36个，测试集12个
X = fiber.drop(['Grade'], axis=1)
Y = fiber['Grade']
X_train, X_test, y_train, y_test = train_test_split(X,Y,train_size=0.75,test_size=0.25,random_state=42,shuffle=True)
print(X_train.shape) #(36,6)
print(y_train.shape) #(36,)
print(X_test.shape) #(12,6)
print(y_test.shape) #(12,)
④构建BernoulliNB模型
参数可以自己去尝试设置调整
bernoulli = BernoulliNB(alpha=1.2,force_alpha=True,binarize=1.0,fit_prior=False)
⑤模型训练
就这么简单，一个fit函数就可以实现模型训练
bernoulli.fit(X_train,y_train)
⑥模型评估
把测试集扔进去，得到预测的测试结果
y_pred = bernoulli.predict(X_test)
看看预测结果和实际测试集结果是否一致，一致为1否则为0，取个平均值就是准确率
accuracy = np.mean(y_pred==y_test)
print(accuracy)
也可以通过score得分进行评估，计算的结果和思路都是一样的，都是看所有的数据集中模型猜对的概率，只不过这个score函数已经封装好了，当然传入的参数也不一样，需要导入accuracy_score才行，from sklearn.metrics import accuracy_score
score = bernoulli.score(X_test,y_test)#得分
print(score)
⑦模型测试
拿到一条数据，使用训练好的模型进行评估
这里是六个自变量，我这里随机整个test = np.array([[16,18312.5,6614.5,2842.31,25.23,1147430.19]])
扔到模型里面得到预测结果，prediction = bernoulli.predict(test)
看下预测结果是多少，是否和正确结果相同，print(prediction)
test = np.array([[16,18312.5,6614.5,2842.31,25.23,1147430.19]])
prediction = bernoulli.predict(test)
print(prediction) #[2]
⑧保存模型
bernoulli是模型名称，需要对应一致
后面的参数是保存模型的路径
joblib.dump(bernoulli, './bernoulli.model')#保存模型
⑨加载和使用模型
bernoulli_yy = joblib.load('./bernoulli.model')
test = np.array([[11,99498,5369,9045.27,28.47,3827588.56]])#随便找的一条数据
prediction = bernoulli_yy.predict(test)#带入数据，预测一下
print(prediction) #[4]
完整代码
模型训练和评估，不包含⑧⑨。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import joblib
%matplotlib inline
import seaborn as sns
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import BernoulliNB
from sklearn.metrics import confusion_matrix, classification_report, accuracy_score
fiber = pd.read_csv("./fiber.csv")
fiber.head(5) #展示下头5条数据信息
X = fiber.drop(['Grade'], axis=1)
Y = fiber['Grade']
X_train, X_test, y_train, y_test = train_test_split(X,Y,train_size=0.75,test_size=0.25,random_state=42,shuffle=True)
print(X_train.shape) #(36,6)
print(y_train.shape) #(36,)
print(X_test.shape) #(12,6)
print(y_test.shape) #(12,)
bernoulli = BernoulliNB(alpha=1.2,force_alpha=True,binarize=1.0,fit_prior=False)
bernoulli.fit(X_train,y_train)
y_pred = bernoulli.predict(X_test)
accuracy = np.mean(y_pred==y_test)
print(accuracy)
score = bernoulli.score(X_test,y_test)#得分
print(score)
test = np.array([[16,18312.5,6614.5,2842.31,25.23,1147430.19]])
prediction = bernoulli.predict(test)
print(prediction) #[2]