机器学习_基于朴素贝叶斯算法_疾病预测.zip

机器学习，基于朴素贝叶斯算法的疾病预测。整个资源文件包括项目代码、文档（PDF）、项目汇报PPT

import numpy as np

#加载数据集
def loadDataSet（）:
	#症状
	postingList_symptom=[[‘打喷嚏‘][‘打喷嚏‘][‘头痛‘][‘头痛‘][‘打喷嚏‘][‘头痛‘]]				#症状
	#职业
	postingList_occupation=[[‘护士‘][‘农夫‘][‘建筑工人‘][‘建筑工人‘][‘教师‘][‘教师‘]]			#职业
	#疾病：0代表感冒，1代表过敏，2代表脑震荡
	classVec=[012002]																	#疾病：0代表感冒，1代表过敏，2代表脑震荡
	postingList_sickness=[[‘感冒‘][‘过敏‘][‘脑震荡‘][‘感冒‘][‘感冒‘][‘脑震荡‘]]	
	
	print（“==================疾病实验样本=================“）
	for each in postingList_sickness:
		print（each）																	
	return postingList_symptompostingList_occupationclassVec

	
	#[‘头痛‘ ‘打喷嚏‘]
	#[‘护士‘ ‘建筑工人‘ ‘农夫‘ ‘教师‘]

#产生症状、职业集合
def createList（dataSet_symdataSet_occup）:
	symSet=set（[]）
	occupSet=set（[]）
	for document in dataSet_sym:
		symSet=symSet|set（document）
	
	for document in dataSet_occup:
		occupSet=occupSet|set（document）
		
	print（“症状集合：“list（symSet））
	print（“职业集合：“list（occupSet））
	return list（symSet）list（occupSet）			#集合列表化


#产生症状、职业列表01化（方便计算）
def setOfSymOccup2Vec（ListinputSet）:
	returnVec=[0]*len（List）
	#print（“before returnVec = “returnVec）
	for sym_occup in inputSet:
		if sym_occup in List:          			 #如果该症状或职业出现的其对应的列表中，
			returnVec[List.index（sym_occup）]=1	 #则在列表的对应位置上置1
		else:print（“the sympotom or occopation %s is not in my List“ % sym_occup）		#如果该症状或职业不在其对应的列表中
	#print（“after returnVec = “returnVec）
	return returnVec

	

#计算各个样本概率
def trainNB（trainMatrix_symtrainMatrix_occuptrainCategory）:
	#计算训练样本的数目
	num_train=len（trainCategory）
	num_sym=len（trainMatrix_sym[0]）			
	num_occup=len（trainMatrix_occup[0]）
	
	cold=0				#感冒的次数
	allergy=0			#过敏的次数
	cerebral_con=0		#脑震荡的次数

	#统计各种疾病出现的次数和（用于计算样本中各种疾病的概率）
	for elem in trainCategory:
		if elem == 0:
			cold = cold+1						#感冒次数加1
		elif elem == 1:				
			allergy = allergy+1     			#过敏次数加1
		else:
			cerebral_con = cerebral_con+1		#脑震荡次数加1
	
	#在类别足够大的情况下，可以考虑使用数组保存各个数据			
	p_cold=cold/float（num_train）   					#感冒的概率
	p_allergy=allergy/float（num_train）				#过敏的概率
	p_cerebral_con=cerebral_con/float（num_train）	#脑震荡的概率

	#numpy.zeros（num）代表一维数组，其大小为num，元素都为0
	p0_sym=np.zeros（num_sym） 			#感冒下各症状的概率的分子
	p1_sym=np.zeros（num_sym）			#过敏下各症状的概率的分子
	p2_sym=np.zeros（num_sym）			#脑震荡下各症状的概率的分子

	p0_occup=np.zeros（num_occup）		#感冒下各职业的概率的分子
	p1_occup=np.zeros（num_occup）		#过敏下各职业的概率的分子
	p2_occup=np.zeros（num_occup）		#脑震荡下各职业的概率的分子

	p0_sym_Denom=0.0					#感冒下各症状的概率的分母
	p1_sym_Denom=0.0					#过敏下各症状的概率的分母
	p2_sym_Denom=0.0					#脑震荡下各症状的概率的分母

	p0_occup_Denom=0.0              	#感冒下各职业的概率的分母
	p1_occup_Denom=0.0			  		#过敏下各职业的概率的分母
	p2_occup_Denom=0.0              	#脑震荡下各职业的概率的分母

	# p0_sym_Denom=2.0
	# p1_sym_Denom=2.0
	# p2_sym_Denom=2.0

	# p0_occup_Denom=2.0              
	# p1_occup_Denom=2.0				
	# p2_occup_Denom=2.0              

	for elem in range（num_train）:								#在训练样本数目内循环
		#在感冒下，各个症状、职业出现的次数和
		if trainCategory[elem] == 0:							#该样本为感冒（前提条件）
			p0_sym += trainMatrix_sym[elem]						#各种症状的次数（分子）
			p0_occup += trai

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-06-25 19:36  机器学习_基于朴素贝叶斯算法_疾病预测\
     文件     1304679  2019-06-25 19:26  机器学习_基于朴素贝叶斯算法_疾病预测\机器学习_朴素贝叶斯_疾病预测.pdf
     文件     1717497  2019-06-25 19:35  机器学习_基于朴素贝叶斯算法_疾病预测\机器学习_朴素贝叶斯_疾病预测.pptx
     目录           0  2019-06-25 19:36  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\
     文件     2043650  2019-06-22 10:46  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\代码使用说明.docx
     文件       12934  2019-06-21 22:22  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\最终完整代码_疾病预测.py
     目录           0  2019-06-25 19:36  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\
     文件       12934  2019-06-13 11:23  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\ClassifyData.py
     文件        1662  2019-05-31 08:56  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\DataList.py
     文件        8653  2019-05-17 09:33  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\DataProbability.py
     文件        2901  2019-05-17 00:05  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\DataVec.py
     文件        1010  2019-05-16 11:26  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\LoadDataSet.py
     文件       10410  2019-06-06 10:31  机器学习_基于朴素贝叶斯算法_疾病预测\项目代码\过程代码\TestDataVec.py