scikit에서 CSV 데이터를로드하고 Naive Bayes 분류에 사용하는 방법

Question

Scikit에서 NB 분류를 수행하기 위해 맞춤 데이터를로드하려고합니다. Scikit에 샘플 데이터를로드하고 NB를 수행하는 데 도움이 필요합니다. 대상에 대한 범주 값을로드하는 방법

Train and Test에 대해 동일한 데이터를 사용하거나 테스트 용으로 완전한 세트를 사용하십시오.

Sl No,Member ID,Member Name,Location,DOB,Gender,Marital Status,Children,Ethnicity,Insurance Plan ID,Annual Income ($),Twitter User ID 
1,70000001,Fly Dorami,New York,39786,M,Single,,Asian,2002,0,548900028 
2,70000002,Bennie Ariana,Pennsylvania,6/24/1940,F,Single,,Caucasian,2002,66313, 
3,70000003,Brad Farley,Pennsylvania,12001,F,Married,4,African American,2002,98444, 
4,70000004,Daggoo Cece,Indiana,14032,F,Married,2,Hispanic,2001,41896,113481472. 

Answer 1

다음을 시작하면 팬더와 numpy가 필요합니다. .csv를 데이터 프레임에로드하고이를 사용하여 모델에 입력 할 수 있습니다. 따라서 분리하려는 대상에 따라 목표를 정의해야합니다 (음수의 경우 0, 양성의 경우 1, 이진 분류로 가정).

from sklearn.naive_bayes import GaussianNB 
import pandas as pd 
import numpy as np 

# create data frame containing your data, each column can be accessed # by df['column name'] 
df = pd.read_csv('/your/path/yourFile.csv') 

target_names = np.array(['Positives','Negatives']) 

# add columns to your data frame 
df['is_train'] = np.random.uniform(0, 1, len(df)) <= 0.75 
df['Type'] = pd.Factor(targets, target_names) 
df['Targets'] = targets 

# define training and test sets 
train = df[df['is_train']==True] 
test = df[df['is_train']==False] 

trainTargets = np.array(train['Targets']).astype(int) 
testTargets = np.array(test['Targets']).astype(int) 

# columns you want to model 
features = df.columns[0:7] 

# call Gaussian Naive Bayesian class with default parameters 
gnb = GaussianNB() 

# train model 
y_gnb = gnb.fit(train[features], trainTargets).predict(train[features])