模型的搭建与使用 | 更文挑战

1．划分训练集和测试集

通过如下代码将数据划分为训练集和测试集，其中训练集用于训练模型，而测试集用于评估模型的预测效果。

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=1)

其中X_train、y_train为训练集中的特征变量和目标变量数据，X_test、y_test则为测试集中的特征变量和目标变量数据。本案例的569组数据并不算多，因此设定test_size为0.2，即按8∶2的比例来划分训练集和测试集，则训练集有455组数据，测试集有114组数据。

每次运行程序时，train_test_split()函数都是随机划分数据的，如果想每次划分数据都得到一致的结果，可以设置random_state参数为1或其他数字。

2．模型搭建

朴素贝叶斯模型的搭建相对比较容易，代码如下。

from sklearn.naive_bayes import GaussianNB
nb_clf = GaussianNB() # 高斯朴素贝叶斯模型
nb_clf.fit(X_train,y_train)

至此，一个朴素贝叶斯模型便搭建完成了，之后就可以利用模型来进行预测。此时之前划分的测试集就可以发挥作用了，利用测试集可以进行预测并评估模型的预测效果。

3．模型预测与评估

先把测试集中的数据导入模型中进行预测，代码如下，其中nb_clf就是上面搭建的朴素贝叶斯模型。

y_pred = nb_clf.predict(X_test)

通过打印输出y_pred[:100]查看预测结果的前100项，如下图所示，0表示预测为恶性肿瘤，1表示预测为良性肿瘤。

利用创建DataFrame的相关知识点，汇总预测结果y_pred和测试集中的实际值y_test，代码如下。

a = pd.DataFrame() #创建一个空DataFrame
a['预测值']=list(y_pred)
a['实际值']=list(y_test)

生成的对比表格的前5行见下表。

可以看到，前5项的预测准确度为80%。通过如下代码可以查看所有测试集数据的预测准确度。

from sklearn.metrics import accuracy_score
score = accuracy_score(y_pred,y_test)

第1行代码引入计算预测准确度的accuracy_score()函数；第2行代码将预测值y_pred和实际值y_test作为参数传入accuracy_score()函数中，便可计算出预测准确度。打印输出score的值为0.947，即预测准确度为94.7%，说明114组测试集数据中，约108组数据预测正确，6组数据预测错误。

朴素贝叶斯模型属于分类模型，所以也可以利用ROC曲线来评估其预测效果，其评估方法与逻辑回归模型和决策树模型的评估方法是一样的。

总结来说，朴素贝叶斯模型是一种非常经典的机器学习模型，它主要基于贝叶斯公式，在应用过程中会把数据集中的特征看成是相互独立的，而不需考虑特征间的关联关系，因此运算速度较快。相比于其他经典的机器学习模型，朴素贝叶斯模型的泛化能力稍弱，不过当样本及特征的数量增加时，其预测效果也是不错的。