Naive Bayes、KNN、Softmax分类器的比较研究（附代码地址）

超、凢脫俗 2022-07-15 12:19 169阅读 0赞

### 欢迎关注“**程序杂货铺**”公众号，里面有精彩内容，欢迎大家收看^\_^ ###

# 1.    算法介绍 #

## 1.1  Naïve Bayes ##

朴素贝叶斯分类器主要基于贝叶斯公式:

P(c|x)=P(c)\*p(x|c)/p(x)                                  (1)

其中P(c)是类”先验”概率；P(x|c)是样本x相对于类标记c的类条件概率；P(x)是用于归一化的”证据”因子。对给定样本x，证据因子P(x)与类标记无关，因此估计P(c|x)的问题就转化为如何基于训练数据D来估计先验P(c)和条件概率P(x|c)。朴素贝叶斯分类器采用了”属性条件独立性假设”：对已知类别，假设所有属性相互独立，换言之，假设每个特征属性独立地对分类结果发生影响。

基于”属性条件独立性假设”，上述公式可重写为：

P(c|x)=P(c)P(x|c)/P(x)=P(c)/P(x)\*mult\{P(xi|c)\}               (2)

其中1<=i<=d，d为特征属性个数，xi为x在第i个属性上的取值。

## 1.2  KNN ##

K近邻(k-NearestNeighbor,简称KNN)学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个”邻居”的信息进行预测。通常，在分类任务中可使用”投票法”，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任务中可以使用”平均法”，即将这k个样本的实值输出标记的平均值作为预测结果；还可基于距离远近进行加权平均或加权投票，距离越近的样本权重越大。

## 1.3  Softmax ##

Softmax分类器又称多元逻辑回归，是逻辑回归的扩展，众所周知逻辑回归仅二值分类不可对多值分类，为解决此问题，诞生了softmax分类器。

Logisticregression中：

P(y=1|x)=exp(wx+b)/(1+exp(wx+b))                             (3)

P(y=0|x)=1/(1+exp(wx+b))                            (4)

Softmax中：

P(yi=c|xi;w)=exp(wxi+b)/sum\{exp(wxi+b)\}                     (5)

# 2.    实验分析 #

通过使用UCI数据集中的iris和wine对以上三种分类模型进行实验对比，使用的评价指标为准确率。

表1三种分类模型分类结果

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:top;"> data </td> 
 <td style="vertical-align:top;"> iris </td> 
 <td style="vertical-align:top;"> wine </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> Softmax </td> 
 <td style="vertical-align:top;"> 97.53% </td> 
 <td style="vertical-align:top;"> 68.89% </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> KNN </td> 
 <td style="vertical-align:top;"> 90.24% </td> 
 <td style="vertical-align:top;"> 62.22% </td> 
 </tr> 
 <tr> 
 <td style="vertical-align:top;"> Baive Bayes </td> 
 <td style="vertical-align:top;"> 90.12% </td> 
 <td style="vertical-align:top;"> 60% </td> 
 </tr> 
 </tbody> 
</table>

通过实验结果可以看出softmax相对于其他两种分类器效果更好，通过KNN与Naïve Bayes对比，发现尽管KNN算法相对简单，但效果还不错。

代码地址：

[https://github.com/Emmitte/ClassificationModel][https_github.com_Emmitte_ClassificationModel]

http://download.csdn.net/detail/u013473512/9684562

欢迎关注“**程序杂货铺**”公众号，里面有精彩内容，欢迎大家收看^\_^

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM0NzM1MTI_size_16_color_FFFFFF_t_70][]

[https_github.com_Emmitte_ClassificationModel]: https://github.com/Emmitte/ClassificationModel
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM0NzM1MTI_size_16_color_FFFFFF_t_70]: /images/20220715/8ea5bfb2985f48d7946dbb431bda0b08.png