Java 类名：com.alibaba.alink.pipeline.classification.NaiveBayes
Python 类名：NaiveBayes

功能介绍

训练一个朴素贝叶斯模型用于多分类任务。

算法原理

朴素贝叶斯算法基于贝叶斯定理和一个”朴素”的假设：各特征间两两条件独立。
通过贝叶斯定理可以在给定特征时计算类别为的概率：，而通过特征间两两独立的假设可以将上面公式简化为：。
对于连续型特征，通常假设 满足高斯分布 ，参数可以通过对训练数据进行最大似然估计得到。 对于离散型特征，，其中 表示类别为特征共同出现的样本数， 表示类别 的样本数， 是平滑系数。

使用方式

为了训练朴素贝叶斯模型，需要指定参数特征列名（featureCols）和标签列名（labelCol）。
特征列名中，数值类型的列默认看作连续型特征处理，如果需要强制作为离散型特征处理，需要将这些列的列名添加到参数离散特征列名（categoricalCol）中。 平滑因子可以通过参数 smoothing 指定，默认为不平滑。
组件还支持设置每条样本的权重，通过参数权重列（weightCol）指定。

文献索引

H. Zhang (2004). The optimality of Naive Bayes. Proc.
FLAIRS.

参数说明

名称 中文名称 描述 类型 是否必须？ 取值范围 默认值
featureCols 特征列名 特征列名，必选 String[] ✓
labelCol 标签列名 输入表中的标签列名 String ✓
predictionCol 预测结果列名 预测结果列名 String ✓
categoricalCols 离散特征列名 离散特征列名 String[]
modelFilePath 模型的文件路径 模型的文件路径 String null
overwriteSink 是否覆写已有数据 是否覆写已有数据 Boolean false
predictionDetailCol 预测详细信息列名 预测详细信息列名 String
reservedCols 算法保留列名 算法保留列 String[] null
smoothing 算法参数 光滑因子，默认为0.0 Double [0.0, +inf) 0.0
weightCol 权重列名 权重列对应的列名 String 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] null
numThreads 组件多线程线程个数 组件多线程线程个数 Integer 1
modelStreamFilePath 模型流的文件路径 模型流的文件路径 String null
modelStreamScanInterval 扫描模型路径的时间间隔 描模型路径的时间间隔，单位秒 Integer 10
modelStreamStartTime 模型流的起始时间 模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s) String null

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df_data = pd.DataFrame([
  8.        [1.0, 1.0, 0.0, 1.0, 1],
  9.        [1.0, 0.0, 1.0, 1.0, 1],
  10.        [1.0, 0.0, 1.0, 1.0, 1],
  11.        [0.0, 1.0, 1.0, 0.0, 0],
  12.        [0.0, 1.0, 1.0, 0.0, 0],
  13.        [0.0, 1.0, 1.0, 0.0, 0],
  14.        [0.0, 1.0, 1.0, 0.0, 0],
  15.        [1.0, 1.0, 1.0, 1.0, 1],
  16.        [0.0, 1.0, 1.0, 0.0, 0]
  17. ])
  19. batchData = BatchOperator.fromDataframe(df_data, schemaStr='f0 double, f1 double, f2 double, f3 double, label int')
  21. colnames = ["f0","f1","f2", "f3"]
  22. ns = NaiveBayesTrainBatchOp().setFeatureCols(colnames).setLabelCol("label")
  23. model = batchData.link(ns)
  25. predictor = NaiveBayesPredictBatchOp().setPredictionCol("pred")
  26. predictor.linkFrom(model, batchData).print()
  27. colnames = ["f0","f1","f2", "f3"]
  28. # pipeline model
  29. ns = NaiveBayes().setFeatureCols(colnames).setLabelCol("label").setPredictionCol("pred")
  30. model = ns.fit(batchData)
  31. model.transform(batchData).print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import com.alibaba.alink.pipeline.classification.NaiveBayes;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class NaiveBayesTest {
  12.     @Test
  13.     public void testNaiveBayes() throws Exception {
  14.         List <Row> df_data = Arrays.asList(
  15.             Row.of(1.0, 1.0, 0.0, 1.0, 1),
  16.             Row.of(1.0, 0.0, 1.0, 1.0, 1),
  17.             Row.of(1.0, 0.0, 1.0, 1.0, 1),
  18.             Row.of(0.0, 1.0, 1.0, 0.0, 0),
  19.             Row.of(0.0, 1.0, 1.0, 0.0, 0),
  20.             Row.of(0.0, 1.0, 1.0, 0.0, 0),
  21.             Row.of(0.0, 1.0, 1.0, 0.0, 0),
  22.             Row.of(1.0, 1.0, 1.0, 1.0, 1),
  23.             Row.of(0.0, 1.0, 1.0, 0.0, 0)
  24.         );
  25.         BatchOperator <?> batchData = new MemSourceBatchOp(df_data,
  26.             "f0 double, f1 double, f2 double, f3 double, label int");
  27.         NaiveBayes ns = new NaiveBayes()
  28.             .setFeatureCols("f0", "f1", "f2", "f3")
  29.             .setLabelCol("label")
  30.             .setPredictionCol("pred");
  32.         ns.fit(batchData)
  33.             .transform(batchData)
  34.             .print();
  35.     }
  36. }

运行结果

| f0 | f1 | f2 | f3 | label | pred | | —- | —- | —- | —- | —- | —- |

| 1.0 | 1.0 | 0.0 | 1.0 | 1 | 1 |

| 1.0 | 0.0 | 1.0 | 1.0 | 1 | 1 |

| 1.0 | 0.0 | 1.0 | 1.0 | 1 | 1 |

| 0.0 | 1.0 | 1.0 | 0.0 | 0 | 0 |

| 0.0 | 1.0 | 1.0 | 0.0 | 0 | 0 |

| 0.0 | 1.0 | 1.0 | 0.0 | 0 | 0 |

| 0.0 | 1.0 | 1.0 | 0.0 | 0 | 0 |

| 1.0 | 1.0 | 1.0 | 1.0 | 1 | 1 |

| 0.0 | 1.0 | 1.0 | 0.0 | 0 | 0 |