第1关：条件概率

1、P(AB)表示的是事件A与事件B同时发生的概率，P(A|B)表示的是事件B已经发生的条件下，事件A发生的概率。
A、对
B、错

A

2、从1,2,…,15中小明和小红两人各任取一个数字，现已知小明取到的数字是5的倍数，请问小明取到的数大于小红取到的数的概率是多少？
A、7/14
B、8/14
C、9/14
D、10/14

C

第2关：贝叶斯公式

1、对以往数据分析结果表明，当机器调整得良好时，产品的合格率为98%，而当机器发生某种故障时，产品的合格率为55%。每天早上机器开动时，机器调整得良好的概率为95%。计算已知某日早上第一件产品是合格时，机器调整得良好的概率是多少？
A、0.94
B、0.95
C、0.96
D、0.97

D

2、一批产品共8件，其中正品6件，次品2件。现不放回地从中取产品两次，每次一件，求第二次取得正品的概率。
A、1/4
B、1/2
C、3/4
D、1

C

第3关：朴素贝叶斯分类算法流程

import numpy as npclass NaiveBayesClassifier(object):def __init__(self):'''self.label_prob表示每种类别在数据中出现的概率例如，{0:0.333, 1:0.667}表示数据中类别0出现的概率为0.333，类别1的概率为0.667'''self.label_prob = {}'''self.condition_prob表示每种类别确定的条件下各个特征出现的概率例如训练数据集中的特征为 [[2, 1, 1],[1, 2, 2],[2, 2, 2],[2, 1, 2],[1, 2, 3]]标签为[1, 0, 1, 0, 1]那么当标签为0时第0列的值为1的概率为0.5，值为2的概率为0.5;当标签为0时第1列的值为1的概率为0.5，值为2的概率为0.5;当标签为0时第2列的值为1的概率为0，值为2的概率为1，值为3的概率为0;当标签为1时第0列的值为1的概率为0.333，值为2的概率为0.666;当标签为1时第1列的值为1的概率为0.333，值为2的概率为0.666;当标签为1时第2列的值为1的概率为0.333，值为2的概率为0.333,值为3的概率为0.333;因此self.label_prob的值如下：     {0:{0:{1:0.52:0.5}1:{1:0.52:0.5}2:{1:02:13:0}}1:{0:{1:0.3332:0.666}1:{1:0.3332:0.666}2:{1:0.3332:0.3333:0.333}}}'''self.condition_prob = {}def fit(self, feature, label):'''对模型进行训练，需要将各种概率分别保存在self.label_prob和self.condition_prob中:param feature: 训练数据集所有特征组成的ndarray:param label:训练数据集中所有标签组成的ndarray:return: 无返回'''#********* Begin *********#row_num=len(feature)col_num=len(feature[0])for c in label:if c in self.label_prob:self.label_prob[c]+=1;else:self.label_prob[c]=1;for key in self.label_prob.keys():self.label_prob[key]/=row_numself.condition_prob[key]={}for i in range(col_num):self.condition_prob[key][i]={}for k in np.unique(feature[:,i],axis=0):self.condition_prob[key][i][k]=0for i in range(len(feature)):for j in range(len(feature[i])):if feature[i][j] in self.condition_prob[label[i]]:self.condition_prob[label[i]][j][feature[i][j]]+=1else:self.condition_prob[label[i]][j][feature[i][j]]=1for label_key in self.condition_prob.keys():for k in self.condition_prob[label_key].keys():total=0for v in self.condition_prob[label_key][k].values():total+=vfor kk in self.condition_prob[label_key][k].keys():self.condition_prob[label_key][k][kk]/=total#********* End *********#def predict(self, feature):'''对数据进行预测，返回预测结果:param feature:测试数据集所有特征组成的ndarray:return:'''# ********* Begin *********#result=[]for i,f in enumerate(feature):prob=np.zeros(len(self.label_prob.keys()))ii=0for label,label_prob in self.label_prob.items():prob[ii]=label_probfor j in range(len(feature[0])):prob[ii]*=self.condition_prob[label][j][f[j]]ii+=1result.append(list(self.label_prob.keys())[np.argmax(prob)])return np.array(result)#********* End *********#

第4关：拉普拉斯平滑

import numpy as npclass NaiveBayesClassifier(object):def __init__(self):'''self.label_prob表示每种类别在数据中出现的概率例如，{0:0.333, 1:0.667}表示数据中类别0出现的概率为0.333，类别1的概率为0.667'''self.label_prob = {}'''self.condition_prob表示每种类别确定的条件下各个特征出现的概率例如训练数据集中的特征为 [[2, 1, 1],[1, 2, 2],[2, 2, 2],[2, 1, 2],[1, 2, 3]]标签为[1, 0, 1, 0, 1]那么当标签为0时第0列的值为1的概率为0.5，值为2的概率为0.5;当标签为0时第1列的值为1的概率为0.5，值为2的概率为0.5;当标签为0时第2列的值为1的概率为0，值为2的概率为1，值为3的概率为0;当标签为1时第0列的值为1的概率为0.333，值为2的概率为0.666;当标签为1时第1列的值为1的概率为0.333，值为2的概率为0.666;当标签为1时第2列的值为1的概率为0.333，值为2的概率为0.333,值为3的概率为0.333;因此self.label_prob的值如下：     {0:{0:{1:0.52:0.5}1:{1:0.52:0.5}2:{1:02:13:0}}1:{0:{1:0.3332:0.666}1:{1:0.3332:0.666}2:{1:0.3332:0.3333:0.333}}}'''self.condition_prob = {}def fit(self, feature, label):'''对模型进行训练，需要将各种概率分别保存在self.label_prob和self.condition_prob中:param feature: 训练数据集所有特征组成的ndarray:param label:训练数据集中所有标签组成的ndarray:return: 无返回'''#********* Begin *********#row_num=len(feature)col_num=len(feature[0])unique_label_count=len(set(label))for c in label:if c in self.label_prob:self.label_prob[c]+=1else:self.label_prob[c]=1for key in self.label_prob.keys():self.label_prob[key]+=1self.label_prob[key]/=(unique_label_count+row_num)self.condition_prob[key]={}for i in range(col_num):self.condition_prob[key][i]={}for k in np.unique(feature[:,i],axis=0):self.condition_prob[key][i][k]=1for i in range(len(feature)):for j in range(len(feature[i])):if feature[i][j] in self.condition_prob[label[i]]:self.condition_prob[label[i]][j][feature[i][j]]+=1for label_key in self.condition_prob.keys():for k in self.condition_prob[label_key].keys():total=len(self.condition_prob[label_key][k].keys())for v in self.condition_prob[label_key][k].values():total+=vfor kk in self.condition_prob[label_key][k].keys():self.condition_prob[label_key][k][kk]/=total#********* End *********#def predict(self, feature):'''对数据进行预测，返回预测结果:param feature:测试数据集所有特征组成的ndarray:return:'''result = []# 对每条测试数据都进行预测for i, f in enumerate(feature):# 可能的类别的概率prob = np.zeros(len(self.label_prob.keys()))ii = 0for label, label_prob in self.label_prob.items():# 计算概率prob[ii] = label_probfor j in range(len(feature[0])):prob[ii] *= self.condition_prob[label][j][f[j]]ii += 1# 取概率最大的类别作为结果result.append(list(self.label_prob.keys())[np.argmax(prob)])return np.array(result)

第5关：新闻文本主题分类

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import TfidfTransformerdef news_predict(train_sample, train_label, test_sample):'''训练模型并进行预测，返回预测结果:param train_sample:原始训练集中的新闻文本，类型为ndarray:param train_label:训练集中新闻文本对应的主题标签，类型为ndarray:param test_sample:原始测试集中的新闻文本，类型为ndarray:return 预测结果，类型为ndarray'''#********* Begin *********#vec=CountVectorizer()train_sample=vec.fit_transform(train_sample)test_sample=vec.transform(test_sample)tfidf=TfidfTransformer()train_sample=tfidf.fit_transform(train_sample)test_sample=tfidf.transform(test_sample)mnb=MultinomialNB(alpha=0.01)mnb.fit(train_sample,train_label)predict=mnb.predict(test_sample)return predict#********* End *********#