import?numpy?as?np

#加載數據集
def?loadDataSet（）:
	#癥狀
	postingList_symptom=[[‘打噴嚏‘][‘打噴嚏‘][‘頭痛‘][‘頭痛‘][‘打噴嚏‘][‘頭痛‘]]				#癥狀
	#職業
	postingList_occupation=[[‘護士‘][‘農夫‘][‘建筑工人‘][‘建筑工人‘][‘教師‘][‘教師‘]]			#職業
	#疾病：0代表感冒，1代表過敏，2代表腦震蕩
	classVec=[012002]																	#疾病：0代表感冒，1代表過敏，2代表腦震蕩
	postingList_sickness=[[‘感冒‘][‘過敏‘][‘腦震蕩‘][‘感冒‘][‘感冒‘][‘腦震蕩‘]]	
	
	print（“==================疾病實驗樣本=================“）
	for?each?in?postingList_sickness:
		print（each）																	
	return?postingList_symptompostingList_occupationclassVec

	
	#[‘頭痛‘?‘打噴嚏‘]
	#[‘護士‘?‘建筑工人‘?‘農夫‘?‘教師‘]

#產生癥狀、職業集合
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（“癥狀集合：“list（symSet））
	print（“職業集合：“list（occupSet））
	return?list（symSet）list（occupSet）			#集合列表化


#產生癥狀、職業列表01化（方便計算）
def?setOfSymOccup2Vec（ListinputSet）:
	returnVec=[0]*len（List）
	#print（“before?returnVec?=?“returnVec）
	for?sym_occup?in?inputSet:
		if?sym_occup?in?List:??????????			?#如果該癥狀或職業出現的其對應的列表中，
			returnVec[List.index（sym_occup）]=1	?#則在列表的對應位置上置1
		else:print（“the?sympotom?or?occopation?%s?is?not?in?my?List“?%?sym_occup）		#如果該癥狀或職業不在其對應的列表中
	#print（“after?returnVec?=?“returnVec）
	return?returnVec

	

#計算各個樣本概率
def?trainNB（trainMatrix_symtrainMatrix_occuptrainCategory）:
	#計算訓練樣本的數目
	num_train=len（trainCategory）
	num_sym=len（trainMatrix_sym[0]）			
	num_occup=len（trainMatrix_occup[0]）
	
	cold=0				#感冒的次數
	allergy=0			#過敏的次數
	cerebral_con=0		#腦震蕩的次數

	#統計各種疾病出現的次數和（用于計算樣本中各種疾病的概率）
	for?elem?in?trainCategory:
		if?elem?==?0:
			cold?=?cold+1						#感冒次數加1
		elif?elem?==?1:				
			allergy?=?allergy+1?????			#過敏次數加1
		else:
			cerebral_con?=?cerebral_con+1		#腦震蕩次數加1
	
	#在類別足夠大的情況下，可以考慮使用數組保存各個數據			
	p_cold=cold/float（num_train）???					#感冒的概率
	p_allergy=allergy/float（num_train）				#過敏的概率
	p_cerebral_con=cerebral_con/float（num_train）	#腦震蕩的概率

	#numpy.zeros（num）代表一維數組，其大小為num，元素都為0
	p0_sym=np.zeros（num_sym）?			#感冒下各癥狀的概率的分子
	p1_sym=np.zeros（num_sym）			#過敏下各癥狀的概率的分子
	p2_sym=np.zeros（num_sym）			#腦震蕩下各癥狀的概率的分子

	p0_occup=np.zeros（num_occup）		#感冒下各職業的概率的分子
	p1_occup=np.zeros（num_occup）		#過敏下各職業的概率的分子
	p2_occup=np.zeros（num_occup）		#腦震蕩下各職業的概率的分子

	p0_sym_Denom=0.0					#感冒下各癥狀的概率的分母
	p1_sym_Denom=0.0					#過敏下各癥狀的概率的分母
	p2_sym_Denom=0.0					#腦震蕩下各癥狀的概率的分母

	p0_occup_Denom=0.0??????????????	#感冒下各職業的概率的分母
	p1_occup_Denom=0.0			??		#過敏下各職業的概率的分母
	p2_occup_Denom=0.0??????????????	#腦震蕩下各職業的概率的分母

	#?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）:								#在訓練樣本數目內循環
		#在感冒下，各個癥狀、職業出現的次數和
		if?trainCategory[elem]?==?0:							#該樣本為感冒（前提條件）
			p0_sym?+=?trainMatrix_sym[elem]						#各種癥狀的次數（分子）
			p0_occup?+=?trai

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-06-25?19:36??機器學習_基于樸素貝葉斯算法_疾病預測\
?????文件?????1304679??2019-06-25?19:26??機器學習_基于樸素貝葉斯算法_疾病預測\機器學習_樸素貝葉斯_疾病預測.pdf
?????文件?????1717497??2019-06-25?19:35??機器學習_基于樸素貝葉斯算法_疾病預測\機器學習_樸素貝葉斯_疾病預測.pptx
?????目錄???????????0??2019-06-25?19:36??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\
?????文件?????2043650??2019-06-22?10:46??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\代碼使用說明.docx
?????文件???????12934??2019-06-21?22:22??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\最終完整代碼_疾病預測.py
?????目錄???????????0??2019-06-25?19:36??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\
?????文件???????12934??2019-06-13?11:23??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\ClassifyData.py
?????文件????????1662??2019-05-31?08:56??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\DataList.py
?????文件????????8653??2019-05-17?09:33??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\DataProbability.py
?????文件????????2901??2019-05-17?00:05??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\DataVec.py
?????文件????????1010??2019-05-16?11:26??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\LoadDataSet.py
?????文件???????10410??2019-06-06?10:31??機器學習_基于樸素貝葉斯算法_疾病預測\項目代碼\過程代碼\TestDataVec.py