تطبيق خوارزمية  BernoulliNB لمهمة تصنيف في Sklearn

هذا الكلاس يستخدم في التصنيف الثنائي ويعتمد على نظرية بايز وأنصحك باستخدامه عندما يكون هنالك بيانات منفصله أي الميزات تكون مستقله لا يتعلق حدوث الميزة الأولى بالأخرى مثل عمر الشخص و درجته  في مادة الرياضيات على سبيل المثال.
الفرق بينه وبين MultinomialNB هو أنه مخصص للتصنيف الثنائي. ويتم استخدامه عبر الموديول sklearn.naive_bayes.

• استدعاء المكتبات:

  from sklearn.naive_bayes import BernoulliNB

  في البداية قمنا باستدعاء المكتبة التي يوجد فيها هذا الموديل.

• الشكل العام للموديل:

  BNB = BernoulliNB(alpha=1.0,binarize=0.0, fit_prior=True, class_prior=None)

  الوسيط الأول alpha هي الهدف من هذا الوسيط هو عند حساب الاحتمالات احد هذه الاحتمالات من الممكن أن يكون صفر وتجنبا لذلك يتم وضع قيمة تسمى قيمة تنعيم  أو تجانس لابلاس لكي لا يكون هناك قيم صفرية.
  الوسيط الثاني binarize قيمة حقيقة وهي قيمة العتبه فمثلاً إذا كان الاحتمال أكبر من قيمة عتبه 0.5 فيأخذ واحد وإذا كان أقل من قيمة عتبه 0.5 فيأخذ 0.
  الوسيط الثالث  fit_prior تأخذ True فقط لكي تعلم الصفوف الاحتمالات السابقه false عكس ذلك. 
  الوسيط الرابع class_prior قيم الاحتمالات للصفوف أي تساوي عدد الصفوف يمكن تمريرها كمصفوفة تحوي الاحتمال لكل صف.
   

• طبعاً قمت بشرح الشكل العام للموديل ولكن عن طريقة استخدامه سهل جدا فقط بعد أن تقوم بتقسيم الداتا إلى X_train, X_test,  تسطيع كتابة الأتي لعملية التدريب.

• الشكل العام للموديل:

  BNB = BernoulliNB(alpha=1.0, binarize=0.0,fit_prior=True, class_prior=None)
  BNB.fit(X_train, y_train)

  حيث الدالة fit يوجد ضمنها جميع العمليات الداخلية لعملية التدريب.

• يوجد دالة أخرى تستخدم لغرض التنبؤ كالآتي، حساب القيم المتوقعة:

  y_pred = BNB.predict(X_test)

   

• نستطيع حساب دقة الموديل أو كفاءته  على التدريب والاختبار عن طريق التابع score ويكون وفق الشكل:

  print('BNB Train Score is : ' , BNB.score(X_train, y_train))
  print('BNB Test Score is : ' , BNB.score(X_test, y_test))

   

• لنأخذ مثال يوضح المصنف:
  قمنا باستدعاء المكتبات وبناء عينة مزيفه وكان التصنيف ثنائي أما 1 أو 0 بعد ذلك استخدمنا BernoulliNB
  ثم قمنا بتجريب الموديل على عينة معطاة:

  #استدعاء المكتبات
  import numpy as np
  from sklearn.naive_bayes import BernoulliNB
  #تعين داتا دخل مزيفة
  X = np.random.random((6, 100))
  y = np.array([1, 0, 1, 0, 1, 0])
  #بناء الموديل
  BNB =BernoulliNB ()
  BNB.fit(X, y)
  
  #تصنيف عينة
  print(BNB.predict(X[3:4]))
  #النتيجة
  #[0]