前言

《统计学习方法》一书在前几天正式看完，由于这本书在一定程度上对于初学者是有一些难度的，趁着热乎劲把自己走过的弯路都写出来，后人也能走得更顺畅一点。

以下是我的github地址，其中有《统计学习方法》书中所有涉及到的算法的实现，也是在写博客的同时编写的。在编写宗旨上是希望所有人看完书以后，按照程序的思路再配合书中的公式，能知道怎么讲所学的都应用上。（有点自恋地讲）程序中的注释可能比大部分的博客内容都多。希望大家能够多多捧场，如果可以的话，为我的github打颗星，也能让更多的人看到。

github：

GitHub|手写实现李航《统计学习方法》书中全部算法

相关博文：

1. 统计学习方法|感知机原理剖析及实现
2. 统计学习方法|K近邻原理剖析及实现
3. 统计学习方法|朴素贝叶斯原理剖析及实现
4. 统计学习方法|决策树原理剖析及实现
5. 统计学习方法|逻辑斯蒂原理剖析及实现

 

正文

朴素贝叶斯的直观理解

在网上曾经有一个有意思的概率讨论，题目是这样的（我相信所有人都会愿意看一看这种有趣的问题）：

有三张彩票，一张有奖。你买了一张，老板在自己剩余的两张中刮开了一张，没中。这时候他要用剩下的一张和你换，你换不换？换和不换你中奖的概率一样吗？（你可以思考一下，然后看我下面的回答）

—————————————————————————-

从直觉上来讲，彩票中奖的概率是1/3，你最先抽了一张，不管咋操作，中奖的概率应该都是1/3。这时候老板排除掉了一张没中奖的，剩下两张必有一张中奖，所以概率是1/2。换和不换应该都一样。你是这么答的吗？

这时候需要引申出贝叶斯了，贝叶斯在概率的计算中引入了先验概率，即在知道了一些事情的情况下，概率会发生变化，按照贝叶斯的解答应该是怎样的呢？

首先我们要引入概率的一些写法（事实上如果你不太明白这些公式的话，建议适当补一些概率的课程，在机器学习中非常有用）

补充知识：P（A|B）表示在B发生的情况下A发生的概率。P(A|B) = [P(B|A)*P(A)] / P(B)。

—————————————————————————-

我们假设A表示你手里目前这张是中奖的，B表示老板刮出来的那张是没中奖的（虽然题目中说明了老板刮出来的没中，但还是需要将情况假设出来）

那么由上面可得：

P(A|B) = [P(B|A)*P(A)] / P(B)

在式中P(B|A)表示在A发生的情况下B发生的概率，代入题目中也就是如果你手里这张是中奖的，那老板刮出来那张没中奖的概率。很显然这是必然的，因为只有一张是中奖的，所以P(B|A)=1，也就是必然的事件。P(A)表示你手里目前这张是中奖的概率，在计算P(A)时因为没有给出前提条件，所以P(A)=1/3，也就是三张彩票，你手里中奖的概率是1/3。P(B)表示老板刮出来那张是没中奖的概率，题目中已经给出前提条件老板刮出来的是没中奖的，所以概率P(A)=1.

那么将数代进式子里面：P(A|B) = [P(B|A)*P(A)] / P(B) = [1 * 1/3] / 1 = 1/3，也就是说在老板刮出来一张没中奖的彩票前提下，你手里这张中奖的概率是1/3，老板手里剩余那张是2/3。为了中奖概率最大化，应该和老板手里的彩票交换。

是不是感觉不对劲，三张彩票我自己抽了一张，我中不中奖怎么还和老板刮不刮自己的彩票有关系了呢？P(A|B)这个算法是错的吧？当时论坛也争论了很久，但十年前的人们还不太会使用贝叶斯来武装自己，有一部分用直觉，也就是脑袋算法，坚持就是1/2。另一部分去绕来绕去分析，企图找到直觉没考虑到的地方来证明是1/3和2/3。后来有位程序员写了算法来模拟，结果确实是1/3和2/3。有兴趣的同学可以通过这个链接自行跑一下程序。https://www.zybuluo.com/zzy0471/note/111692

至于你们问我这个现象该怎么解释，可能需要很长的篇幅，但在本文中这不是重点展开的地方，这个例子和今天的朴素贝叶斯分类器有什么关系？很抱歉，没有关系，我只是想皮一下。（开个玩笑，我觉得这对于读者来说，理解前提条件对于概率来说是一种什么概念就可以了。）

————– 2020年8月24日补充—————–

评论区包括有部分同学加我微信和我聊了上面这个例子，使我发现我的博客可能写得有些草率，所以出现了不服的现象（挺胸高傲）。首先说明一点，例子没有错误。然后我们换一些角度来考虑一下这件事情。

因为老板抽的那张必定不会中奖，所以我们可以假设老板知道A、B、C三张彩票中哪张有奖，当我们抽完一张以后，他会再扔掉一张不中奖的。那在我们抽彩票的时候，3张里挑一张，这张中奖的概率是1/3. 之后老板扔掉一张，此时我们手中这张彩票的中奖概率仍然是1/3. 为啥？换个角度来思考，他本质上这样一件事情：我抽一张彩票，老板再扔掉一张没中奖的彩票，求我中奖的概率。假设彩票1中奖，我们看看下面这个表格。我们发现一共3种可能，其中我中奖的概率，仍然是1/3. 它并不会因为老板扔掉一张没中奖的，我中奖的概率就会变成1/2.（因为老板并不是先抽一张排除掉哪张不中奖，他是根据我的选择，去剩下的当中再把那张不中奖的扔掉。你甚至可以认为在这里，老板扔彩票是一种无意义的行为，因为我抽在先，他扔掉在后，而且我也知道剩下的两张中必然有至少一张是不中奖的）

彩票1（中奖）	彩票2	彩票3
我抽中	老板扔掉2	或老板扔掉3
	我抽中	老板扔掉
	老板扔掉	我抽中

再换种角度，我知道10张彩票里有一张中奖，我抽了一张，有两种情况：中奖和不中奖。所以剩下的彩票中我知道必定至少有8张不中奖。（因为我中奖的话，剩下9张全都不中奖，我不中奖的话，剩下的有8张不中奖）。哪怕我知道这些知识，我中奖的概率目前仍然是1/10对吗？那有个人过来偷偷看了看剩下的每张彩票，因为剩下的彩票至少有8张不中奖，所以他把其中的8张不中奖的彩票拿走了，还剩下一张，这时候我中奖的概率就变成1/2了吗？不是的，不管我抽哪张，他都能从中挑出8张不中奖的，换言之，他拿不拿走那8张，对我是否中奖一点影响都没有。

此外，对于P(B)为什么是1，因为B表示老板刮出来的是没中奖的事件。在我们的例子中，老板刮出来的已经是没中奖的了，这是事实，所以P(B)为1。我们甚至可以理解这是一个平行世界的分支，在我们这个分支中，老板挂出来的一定是没中奖的，而老板中奖的事件是另一个分支，已经坍塌了，不在我们题设之中。

这次更新尝试从直观的角度去解释这件事情，但水平一般，能力有限，还希望有疑惑的同学重新理一下，如果觉得有更好的描述方式，也欢迎在评论区写出来，方便后面的同学理解。不过对于理工男而言，公式的答案仍然是我们寻找真理最佳的依据。未来在模型训练时我们会遇到很多反直觉的结果，直觉不一定可靠，如果事实与直觉像悖，首先否定直觉，之后质疑事实，我们一起加油。

另：最近秋招，面试竟然也被问到了这个问题，所以。。（敲黑板，划重点）。

---

 

好了，我们开始正式地讲解朴素贝叶斯分类器是个啥玩意了。

机器学习算法中我们通常在这样的情况下去使用朴素贝叶斯分类器。

假设我们有一个手写的数据集样本，里面有100条记录，记录0-10是10个人各自写的0，记录11-20是10个人各自写的1,……..以此类推一共100条记录。那么这时候外头有个人进来写了个数字X，怎么识别出来它写的几呢？没学习过机器学习的人可能也能提出这样一种方法：我们只要把写的那个数字和0-9进行匹配，那个匹配度最高就是哪个数啦。没错，朴素贝叶斯用的就是这样朴素的思想（开玩笑，这里的朴素可不是这个意思）。

朴素贝叶斯工作原理：假设Y表示是数字几，写的那个数叫X，那么我们可以通过某种方法求P(Y = 1 | X)，P(Y = 1 | X)，…….，P(Y = 9| X)。其中P(Y = 1 | X)表示在给定手写数字X的情况下，它是1的概率。这样得出10个数字各自的概率，哪个高就最有可能是哪个。那么咋求这个P(Y = 1 | X)，别着急，这就是后文重点讨论的内容，在直观理解中无须涉及。

总之，朴素贝叶斯分类器就是一个对所有可能性求概率的模型，最后输出结果中哪种可能性高就输出哪种。核心公式是P(Y | X)，至于P(Y | X) = ？，这部分怎么求？我们现在开始用数学的知识开始讨论。（我尽可能简化一些公式，但本章节相对于前几章来说，公式有些稍多。读者需要习惯，学会朴素贝叶斯分类器，我们一只脚也就正式踏入了机器学习的大门）

 

朴素贝叶斯分类器的数学角度（配合《统计学习方法》食用更佳）

我们刚刚提到朴素贝叶斯最终需要计算得到的公式是P(Y=？|X)，然后比较不同概率的大小，选择概率最大的一类输出。不妨将不同的类设为Ck，在手写识别中C0就表示数字0，C1表示数字1，以此类推。那么上式也就可以写成了P(Y=Ck|X=x)，即在给定样本X为x的情况下，Y为Ck的概率。依据上文的贝叶斯公式，我们可以将该式转换为下图中的第一个等号右边这样（依据贝叶斯公式定义)。

在第一个等号右边的式子中，分子的左边P(X=x|Y=y)表示在给定数字几的情况下，出现该样本的概率，比如说随便给了一个数字不知道是几，然后被通知这个数是1，问你纸上会出现这个图案的概率（也就是说告诉你这个数是1，那么纸上出现的那团图案长得像1的可能性就大，长得像9的可能性就小），这个在给定样本进行训练的情况下是可以统计出来的（具体怎么统计会在后文讲解）。P(Y=Ck)表示每个类别出现的概率，比如说10个数里面有5个1，那P(Y=C1)=5/10，也可以通过给定训练样本进行统计得到。

式子唯一还不太明白的就是分母的P(X=x)，给定一个样本的概率？将分母转换成第二个等候右边一样。P(X=x|Y=Ck)P(Y=Ck)=P(X=x, Y=Ck)，表示对于每一类Y，都求一次X=x的概率，那么总的求和以后就变成了P(X=x)。（这部分不太明白的建议再补充一些概率的课程）。那么最初的式子就变成了求第二个等号右边的式子。

 

 

 

 

 

 

 

 

再往下转换，就变成了下图这样。

 

 

 

和上图的式子进行比对，其实就是把P(X=x|Y=Ck)这一项变成了连乘，至于为什么能连乘，下图有详细说明：

 

 

 

 

 

 

 

 

 

 

为什么可以把里面的直接拆开来连乘？概率老师不是说过只有相互独立才能直接拆吗？是的，朴素贝叶斯分类器对条件概率分布做出了条件独立性的假设。为啥？因为这样能算，就这么简单，如果条件都不独立，后面咋整？读者：那你这不严谨啊。emmm….事实上是这样，向量的特征之间大概率是不独立地，如果我们独立了，会无法避免地抛弃一些前后连贯的信息（比方说我说“三人成_”，后面大概率就是个”虎“，这个虎明显依赖于前面的三个字）。在建立模型时如果这些都考虑进去，会让模型变得很复杂，后来前人说那我们试试不管它们，强行独立。诶发现效果还不错诶，那就这么用吧。这就是计算机科学家和数学家的分歧所在。

上图中P(X=x|Y=Ck)转换成能求的式子了以后，那么就是比较Y为不同Ck的情况下哪个概率最大，那就表示属于哪个类的可能性最大。所以前头式子前头加上一个argmax，表示求让后式值最大的Ck。

 

 

 

然后由于下图中圈出来这一项是在Y为不同Ck情况下的连乘，所以不管k为多少，所有Ck连乘结果肯定是一致的，在比较谁的值最大时，式子里面的常数无法对结果的大小造成影响，可以去掉。

 

 

 

就变成了下面这样：

 

 

这就是最终简化版的朴素贝叶斯分类器。至于式子里面的两项具体怎么求，我们首先看第一项。

 

 

 

N为训练样本的数目，假设我们手里现在有100个样本，那N就是100。分子中I是指示函数，括号内条件为真时指示函数为1，反之为0。分子啥意思呢？就是说对于Ck，在这100个样本离有多少是Ck分类的，就比如Ck为C1时表示数字类别1，这时候就是看这100个样本里有多少个数字1，处于总的100，就是类别1的概率，也就是P(Y=C1)。简单不？相当简单。我们再看第二项。

 

 

 

 

 

 

 

这个我觉得不用细说了，构造原理和上面第一项的一样，也是通过指示函数来计数得出概率。那么两项都能求了，给出朴素贝叶斯算法。

朴素贝叶斯算法

 

 

 

 

 

 

 

 

 

 

 

可以看到在步骤中首先根据给定的训练样本求先验概率和条件概率，也就是上文求的那两个式子，然后训练计数后给定一个样本，计算在不同类别下该样本出现的概率，求得最大值即可。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

关于朴素贝叶斯和贝叶斯：

还记得原先求不同类别下的最大概率这一式子吗？里面有很多的连乘记得吗？

这里提出了一个问题，那么多概率连乘，如果其中有一个概率为0怎么办？那整个式子直接就是0了，这样不对。所以我们连乘中的每一项都得想办法让它保证不是0，哪怕它原先是0,（如果原先是0，表示在所有连乘项中它概率最小，那么转换完以后只要仍然保证它的值最小，对于结果的大小来说没有影响。）。这里就使用到了贝叶斯估计。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

它通过分母和分子各加上一个数来保证始终不为0.为什么要分母加Sj或者K倍λ，以及分子要加个1倍λ，读者可以试验一下，这样处理以后，所有概率的总和仍然是1，所以为什么这么加，只不过这么加完以后，概率仍然是概率，总和仍然为1，但所有项都大于0。

举个例子：

 

 

 

 

 

 

 

 

 

 

 

 

关于《统计学习方法》的一些补充：

使用贝叶斯估计虽然保证了所有连乘项的概率都大于0，不会再出现某一项为0结果为0的情况。但若一个样本数据时高维的，比如说100维（100其实并不高），连乘项都是0-1之间的，那100个0-1之间的数相乘，最后的数一定是非常非常小了，可能无限接近于0。对于程序而言过于接近0的数可能会造成下溢出，也就是精度不够表达了。所以我们会给整个连乘项取对数，这样哪怕所有连乘最后结果无限接近0，那取完log以后数也会变得很大（虽然是负的很大），计算机就可以表示了。同样，多项连乘取对数，对数的连乘可以表示成对数的相加，在计算上也简便了。所以在实际运用中，不光需要使用贝叶斯估计（保证概率不为0），同时也要取对数（保证连乘结果不下溢出）。

有人可能关心取完log以后结果会不会发生变化，答案是不会的。log在定义域内是递增函数，log(x)中的x也是递增函数（x在x轴的最大处，x值也就越大，有些拗口，可以仔细想想）。在单调性相同的情况下，连乘得到的结果大，log取完也同样大，并不影响不同的连乘结果的大小的比较。好啦，上代码。

 

贴代码：（建议去本文最上方的github链接下载，有书中所有算法的实现以及详细注释）

# coding=utf-8
# Author:Dodo
# Date:2018-11-17
# Email:lvtengchao@pku.edu.cn

'''
数据集：Mnist
训练集数量：60000
测试集数量：10000
------------------------------
运行结果：
    正确率：84.3%
    运行时长：103s
'''

import numpy as np
import time

def loadData(fileName):
    '''
    加载文件
    :param fileName:要加载的文件路径
    :return: 数据集和标签集
    '''
    #存放数据及标记
    dataArr = []; labelArr = []
    #读取文件
    fr = open(fileName)
    #遍历文件中的每一行
    for line in fr.readlines():
        #获取当前行，并按“，”切割成字段放入列表中
        #strip：去掉每行字符串首尾指定的字符（默认空格或换行符）
        #split：按照指定的字符将字符串切割成每个字段，返回列表形式
        curLine = line.strip().split(',')
        #将每行中除标记外的数据放入数据集中（curLine[0]为标记信息）
        #在放入的同时将原先字符串形式的数据转换为整型
        #此外将数据进行了二值化处理，大于128的转换成1，小于的转换成0，方便后续计算
        dataArr.append([int(int(num) > 128) for num in curLine[1:]])
        #将标记信息放入标记集中
        #放入的同时将标记转换为整型
        labelArr.append(int(curLine[0]))
    #返回数据集和标记
    return dataArr, labelArr

def NaiveBayes(Py, Px_y, x):
    '''
    通过朴素贝叶斯进行概率估计
    :param Py: 先验概率分布
    :param Px_y: 条件概率分布
    :param x: 要估计的样本x
    :return: 返回所有label的估计概率
    '''
    #设置特征数目
    featrueNum = 784
    #设置类别数目
    classNum = 10
    #建立存放所有标记的估计概率数组
    P = [0] * classNum
    #对于每一个类别，单独估计其概率
    for i in range(classNum):
        #初始化sum为0，sum为求和项。
        #在训练过程中对概率进行了log处理，所以这里原先应当是连乘所有概率，最后比较哪个概率最大
        #但是当使用log处理时，连乘变成了累加，所以使用sum
        sum = 0
        #获取每一个条件概率值，进行累加
        for j in range(featrueNum):
            sum += Px_y[i][j][x[j]]
        #最后再和先验概率相加（也就是式4.7中的先验概率乘以后头那些东西，乘法因为log全变成了加法）
        P[i] = sum + Py[i]

    #max(P)：找到概率最大值
    #P.index(max(P))：找到该概率最大值对应的所有（索引值和标签值相等）
    return P.index(max(P))


def test(Py, Px_y, testDataArr, testLabelArr):
    '''
    对测试集进行测试
    :param Py: 先验概率分布
    :param Px_y: 条件概率分布
    :param testDataArr: 测试集数据
    :param testLabelArr: 测试集标记
    :return: 准确率
    '''
    #错误值计数
    errorCnt = 0
    #循环遍历测试集中的每一个样本
    for i in range(len(testDataArr)):
        #获取预测值
        presict = NaiveBayes(Py, Px_y, testDataArr[i])
        #与答案进行比较
        if presict != testLabelArr[i]:
            #若错误  错误值计数加1
            errorCnt += 1
    #返回准确率
    return 1 - (errorCnt / len(testDataArr))


def getAllProbability(trainDataArr, trainLabelArr):
    '''
    通过训练集计算先验概率分布和条件概率分布
    :param trainDataArr: 训练数据集
    :param trainLabelArr: 训练标记集
    :return: 先验概率分布和条件概率分布
    '''
    #设置样本特诊数目，数据集中手写图片为28*28，转换为向量是784维。
    # （我们的数据集已经从图像转换成784维的形式了，CSV格式内就是）
    featureNum = 784
    #设置类别数目，0-9共十个类别
    classNum = 10

    #初始化先验概率分布存放数组，后续计算得到的P(Y = 0)放在Py[0]中，以此类推
    #数据长度为10行1列
    Py = np.zeros((classNum, 1))
    #对每个类别进行一次循环，分别计算它们的先验概率分布
    #计算公式为书中"4.2节 朴素贝叶斯法的参数估计 公式4.8"
    for i in range(classNum):
        #下方式子拆开分析
        #np.mat(trainLabelArr) == i：将标签转换为矩阵形式，里面的每一位与i比较，若相等，该位变为Ture，反之False
        #np.sum(np.mat(trainLabelArr) == i):计算上一步得到的矩阵中Ture的个数，进行求和(直观上就是找所有label中有多少个
        #为i的标记，求得4.8式P（Y = Ck）中的分子)
        #np.sum(np.mat(trainLabelArr) == i)) + 1：参考“4.2.3节 贝叶斯估计”，例如若数据集总不存在y=1的标记，也就是说
        #手写数据集中没有1这张图，那么如果不加1，由于没有y=1，所以分子就会变成0，那么在最后求后验概率时这一项就变成了0，再
        #和条件概率乘，结果同样为0，不允许存在这种情况，所以分子加1，分母加上K（K为标签可取的值数量，这里有10个数，取值为10）
        #参考公式4.11
        #(len(trainLabelArr) + 10)：标签集的总长度+10.
        #((np.sum(np.mat(trainLabelArr) == i)) + 1) / (len(trainLabelArr) + 10)：最后求得的先验概率
        Py[i] = ((np.sum(np.mat(trainLabelArr) == i)) + 1) / (len(trainLabelArr) + 10)
    #转换为log对数形式
    #log书中没有写到，但是实际中需要考虑到，原因是这样：
    #最后求后验概率估计的时候，形式是各项的相乘（“4.1 朴素贝叶斯法的学习” 式4.7），这里存在两个问题：1.某一项为0时，结果为0.
    #这个问题通过分子和分母加上一个相应的数可以排除，前面已经做好了处理。2.如果特诊特别多（例如在这里，需要连乘的项目有784个特征
    #加一个先验概率分布一共795项相乘，所有数都是0-1之间，结果一定是一个很小的接近0的数。）理论上可以通过结果的大小值判断， 但在
    #程序运行中很可能会向下溢出无法比较，因为值太小了。所以人为把值进行log处理。log在定义域内是一个递增函数，也就是说log（x）中，
    #x越大，log也就越大，单调性和原数据保持一致。所以加上log对结果没有影响。此外连乘项通过log以后，可以变成各项累加，简化了计算。
    #在似然函数中通常会使用log的方式进行处理
    Py = np.log(Py)

    #计算条件概率 Px_y=P（X=x|Y = y）
    #计算条件概率分成了两个步骤，下方第一个大for循环用于累加，参考书中“4.2.3 贝叶斯估计 式4.10”，下方第一个大for循环内部是
    #用于计算式4.10的分子，至于分子的+1以及分母的计算在下方第二个大For内
    #初始化为全0矩阵，用于存放所有情况下的条件概率
    Px_y = np.zeros((classNum, featureNum, 2))
    #对标记集进行遍历
    for i in range(len(trainLabelArr)):
        #获取当前循环所使用的标记
        label = trainLabelArr[i]
        #获取当前要处理的样本
        x = trainDataArr[i]
        #对该样本的每一维特诊进行遍历
        for j in range(featureNum):
            #在矩阵中对应位置加1
            #这里还没有计算条件概率，先把所有数累加，全加完以后，在后续步骤中再求对应的条件概率
            Px_y[label][j][x[j]] += 1


    #第二个大for，计算式4.10的分母，以及分子和分母之间的除法
    #循环每一个标记（共10个）
    for label in range(classNum):
        #循环每一个标记对应的每一个特征
        for j in range(featureNum):
            #获取y=label，第j个特诊为0的个数
            Px_y0 = Px_y[label][j][0]
            #获取y=label，第j个特诊为1的个数
            Px_y1 = Px_y[label][j][1]
            #对式4.10的分子和分母进行相除，再除之前依据贝叶斯估计，分母需要加上2（为每个特征可取值个数）
            #分别计算对于y= label，x第j个特征为0和1的条件概率分布
            Px_y[label][j][0] = np.log((Px_y0 + 1) / (Px_y0 + Px_y1 + 2))
            Px_y[label][j][1] = np.log((Px_y1 + 1) / (Px_y0 + Px_y1 + 2))

    #返回先验概率分布和条件概率分布
    return Py, Px_y


if __name__ == "__main__":
    start = time.time()
    # 获取训练集
    print('start read transSet')
    trainDataArr, trainLabelArr = loadData('../Mnist/mnist_train.csv')

    # 获取测试集
    print('start read testSet')
    testDataArr, testLabelArr = loadData('../Mnist/mnist_test.csv')

    #开始训练，学习先验概率分布和条件概率分布
    print('start to train')
    Py, Px_y = getAllProbability(trainDataArr, trainLabelArr)

    #使用习得的先验概率分布和条件概率分布对测试集进行测试
    print('start to test')
    accuracy = test(Py, Px_y, testDataArr, testLabelArr)

    #打印准确率
    print('the accuracy is:', accuracy)
    #打印时间
    print('time span:', time.time() -start)