课程名称：人工智能数学基础与 Python 实战

课程章节：实战：朴素贝叶斯判断客户消费意愿

课程讲师：flare_zhao

课程内容：

1. 先对样本数据进行归类，建立朴素贝叶斯模型

2. 基于模型的数据，判断用户是否会购买

# 引入关键包/模块
import pandas as pd
import numpy as np

# 数据加载
data =pd read_csv('chapter3_data.csv')
data.head()

X = data.drop(['y'], axis=1)
print(X)

# 赋值
y = data.loc[:, 'y']
print(y)

# 建立模型
# 引入模型模块
from sklearn.naive_bayes import CategoricalNB

# 建立模型实例
model =CategoricalNB()

# 模型训练
model.fit(X, y)

# 完成第一步 预测所有用户购买商品的概率
y_predict_prob = model.predict_proba(x)
print(y_predict_prob)

# 预测用户是否会购买商品
y_predict = model.predict(X)
print(y_predict)

# 计算模型准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y,y_predict)
print(accuracy)

# 测试样本的预测
X_test = np.array([[0,0,0,1,1,0]])
print(X_test)

y_test_proba = model.predict_proba(X_test) 
print(y_test_proba)

y_test = model.predict(X_test)
print(y_test)

# 该用户会购买

课程收获：

1. 朴素贝叶斯相关包安装
2. 建立标准的机器学习模型的流程
3. 取概率更大的数据作为预测结果