案例7.3 视频教程

题目：试编程实现拉普拉斯修正的朴素贝叶斯分类器，并以西瓜数据集3.0位训练集，对p151“测1”样本进行判别。 步骤1：在“项目模板”中找到周志华习题，打开第七章贝叶斯分类器习题案例7.3，创建模板。
步骤2：在“CSV上传”模块上传CSV文件，这里用到的是西瓜数据集3.0。
步骤3：在全部组件列表搜索“序数编码”模块，拖到操作界面内，在字段设置的“目标字段”中输入“色泽，根蒂，敲声，纹理，脐部，触感，好瓜”特征字段。该模块主要用来将分类特征编码为整数数组。该模块的输入应为整数或者字符串的数组，表示分类特征采用的值。目的是找到每个特征的唯一值，然后将数据转换为叙述编码。
步骤4：拉普拉斯修正实质上假设了属性值与类别均匀分布，这是在朴素贝叶斯学习过程中额外引入的关于数据的先验。拉普拉斯修正可以避免因训练集样本不充分而导致概率估值为0的问题。在全部组件中搜索贝叶斯分类器，选择一个朴素贝叶斯分类器，如多项式朴素贝叶斯分类器，也适用于具有离散特征的分类。参数设置无需修改，特征字段为“色泽，根蒂，敲声，纹理，脐部，触感，密度，含糖率”。标识字段为“好瓜”。
步骤5：在全部组件列表中选择“CSV上传”组件，上传P151中的测1样本。即使样本数量较少，也不会导致概率估计为0.步骤6：在全部组件列表中选择“模型预测”组件，测1样本作为测试集，经过贝叶斯分类器学习的西瓜数据集作为训练集，这两个数据集作为输入，就可以对测1样本进行判别。也可以通过书上的公式去计算。