Deep Learning议员投票记录预测其所属党派（伯努利贝叶斯分类模型）

代码实现如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import numpy as np

import pandas as pd

from sklearn.preprocessing import OneHotEncoder

from sklearn.naive_bayes import BernoulliNB

from sklearn.model_selection import cross_val_score

from sklearn.metrics import accuracy_score,make_scorer,confusion_matrix

import seaborn as sns

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
X=[["男","红"],["女","绿"],["女","蓝"],["男","绿"],["女","红"]]

df=pd.DataFrame(X,columns=["性别","颜色"])

df

#创建独热编码器

onehot=OneHotEncoder()

onehot.fit(df)#训练独热编码器，得到转换规则

#转换数据

d=onehot.transform(df).toarray()

print(d)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
X=[["男","蓝"],["女","红"],["女","红"],["男","蓝"],["女","蓝"]]

df=pd.DataFrame(X,columns=["性别","颜色"])

onehot=OneHotEncoder()

onehot.fit(df[["性别"]])#训练独热编码器，得到转换规则

#转换数据

d=onehot.transform(df[["性别"]]).toarray()

print(d)

#数组转数据框

df_sex=pd.DataFrame(d,columns=["性别x1","性别x2"])

#把df_sex拼接在df后

df=df.join(df_sex)

df

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
data=pd.read_csv("议案投票.csv")

#print(data.info()) #查看数据信息,可以看出大部分列都有缺失值的情况

#把所有缺失值填充None

data=data.fillna("None")

#print(data.info()) #查看数据信息,可以看出大部分列都有缺失值的情况

x=data.iloc[:,3:]#从第4列开始获取到最后一列

#features_name=list(x.columns)  #获取特征名

#独热编码处理

#创建独热编码对象

onehot=OneHotEncoder()

#训练独热编码器，得到转换规则

onehot.fit(x)

#转换数据

oneHotData=onehot.transform(x).toarray()

#print(oneHotData) #打印转换后的数据

#划分特征和类别

x=oneHotData

y=data["Party"]   #党派只有D,R两个党派

1
2
3
4
5
6
7
8
9
10
11
12
13
14
#创建伯努利贝叶斯分类模型

BNBModel=BernoulliNB()

#K折交叉验证，验证模型的准确率

cvs=cross_val_score(

    BNBModel,x,y,cv=10,scoring=make_scorer(accuracy_score)

)

print("10次交叉验证的平均准确率：{}".format(cvs.mean()))

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
#对数据进行预测，通过混淆矩阵观察总体效果

#训练模型

BNBModel.fit(x,y)

data["Predict Party"]=BNBModel.predict(x)

cm=confusion_matrix(data["Party"],data["Predict Party"],labels=["D","R"])

#混淆矩阵加轴标签

cm=pd.DataFrame(cm,columns=["D","R"],index=["D","R"])

#通过热力图显示混淆矩阵

sns.heatmap(cm,annot=True,fmt="d")

尾巴