您当前的位置: 首页 >  分类

Dream丶Killer

暂无认证

  • 0浏览

    0关注

    188博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文

朴素贝叶斯分类器(姓名预测性别)

Dream丶Killer 发布时间:2021-04-10 13:57:55 ,浏览量:0

使用的数据集包含两列,name(姓名),sex(性别), 数量45000, name列数据唯一。 在这里插入图片描述 代码实现:

import random
import nltk
import pandas as pd
from pathlib import Path
from sklearn import model_selection
from numpy import mean

current_path = Path.cwd()

# 特征提取
def gender_features(name):
    name = name.lower()
    if len(name) == 2:
        return {
            'last_name': name[-1]
        }
    if len(name) >= 3:
        return {
            'last_name': name[-1],
            'last2_name': name[-2],
            'last12_name': name[-2:]
        }

# 获取featuresets
def get_featuresets(X, y):
    labeled_names = []
    for i in range(len(X)):
        labeled_names.append((X.values[i], y.values[i]))

    # 数据打乱
    random.shuffle(labeled_names)
    # 我们使用特征提取器来处理数据
    featuresets = [(gender_features(name), gender) for (name, gender) in labeled_names]
    return  featuresets

if __name__=='__main__':
    labeled_names = []
    df = pd.read_csv(Path(current_path, '中文姓名性别预测.csv'), encoding='utf8')
    # K折交叉验证
    kf = model_selection.KFold(n_splits=10)
    # 使用10折交叉验验证划分数据集,返回一个生成器对象(即索引)
    digits_gen = kf.split(df)

    accuracy_list = []
    for train_idx, test_idx in digits_gen:
        X_train = df['name'].iloc[train_idx] #训练集
        X_test = df['name'].iloc[test_idx] #测试集
        y_train = df['sex'].iloc[train_idx] #训练集标签
        y_test = df['sex'].iloc[test_idx] #测试集标签

        featuresets_train = get_featuresets(X_train, y_train)
        featuresets_test = get_featuresets(X_test, y_test)

        # 该训练集用于训练一个新的“naive Bayes”分类器。
        classifier = nltk.NaiveBayesClassifier.train(featuresets_train)
        accuracy_list.append(nltk.classify.accuracy(classifier, featuresets_test))
    print(accuracy_list)
    print(mean(accuracy_list))

在这里插入图片描述

关注
打赏
1655344294
查看更多评论
立即登录/注册

微信扫码登录

0.2276s