Statistics_Based_Data_Analysis1.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "0693fccf-7234-4369-8202-79ac5586510d",
   "metadata": {
    "tags": []
   },
   "source": [
    "# 베이즈 정리 ( Bayesian Theroem )\n",
    "- 알고자 하는 것 : 흡연자가 30대일 확률? ==> P(30대 | 흡연 )\n",
    "- 원인 : 나이, 결과 : 흡연자\n",
    "- 조건부 확률  P ( 흡연자 | 나이그룹 )"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "id": "9263bc91-c3a1-4865-91ab-1c36001dd87d",
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd\n",
    "\n",
    "# 데이터셋 생성\n",
    "smoke_data = pd.DataFrame(\n",
    "    {'나이그룹' : ['10', '10', '10', '10', '10', '10', '10', '10', '10', '10',\n",
    "                  '20', '20', '20', '20', '20', '20', '20', '20', '20', '20',\n",
    "                  '30', '30', '30', '30', '30', '30', '30', '30', '30', '30'],\n",
    "     '흡연여부' : ['유', '유', '무', '무', '무', '무', '무', '무', '무', '무',\n",
    "                  '유', '유', '유', '유', '유', '무', '무', '무', '무', '무',\n",
    "                  '유', '유', '유', '유', '유', '유', '유', '무', '무', '무'] }\n",
    ")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "id": "062f4b33-18c3-4b3c-8ef9-fb03e238962d",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th>흡연여부</th>\n",
       "      <th>무</th>\n",
       "      <th>유</th>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>나이그룹</th>\n",
       "      <th></th>\n",
       "      <th></th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>10</th>\n",
       "      <td>8</td>\n",
       "      <td>2</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>20</th>\n",
       "      <td>5</td>\n",
       "      <td>5</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>30</th>\n",
       "      <td>3</td>\n",
       "      <td>7</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "흡연여부  무  유\n",
       "나이그룹      \n",
       "10    8  2\n",
       "20    5  5\n",
       "30    3  7"
      ]
     },
     "execution_count": 5,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "## 계산하기 위한 교차표\n",
    "data_crosstab = pd.crosstab(smoke_data['나이그룹'], smoke_data['흡연여부'], margins=False)\n",
    "data_crosstab"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "id": "610b10b9-cc39-4b31-aec4-f8d8d50bd99f",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "10대 확률: 0.3333333333333333\n",
      "20대 확률: 0.3333333333333333\n",
      "30대 확률: 0.3333333333333333\n",
      "전체 흡연 확률: 0.4666666666666667\n",
      "전체 비흡연 확률: 0.5333333333333333\n"
     ]
    }
   ],
   "source": [
    "## 확률 계산\n",
    "\n",
    "p_10 = data_crosstab.loc['10'].sum() / data_crosstab.values.sum()\n",
    "print(f'10대 확률: {p_10}')\n",
    "p_20 = data_crosstab.loc['20'].sum() / data_crosstab.values.sum() \n",
    "print(f'20대 확률: {p_20}')\n",
    "p_30 = data_crosstab.loc['30'].sum() / data_crosstab.values.sum()\n",
    "print(f'30대 확률: {p_30}')\n",
    "\n",
    "p_smok = data_crosstab['유'].sum() / data_crosstab.values.sum()\n",
    "print(f'전체 흡연 확률: {p_smok}')\n",
    "p_smok_non = data_crosstab['무'].sum() / data_crosstab.values.sum()\n",
    "print(f'전체 비흡연 확률: {p_smok_non}')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "id": "2bb5e487-f99e-4305-bcfb-109e61991246",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "P(흡연|10대): 0.2\n",
      "P(흡연|20대): 0.5\n",
      "P(흡연|30대): 0.7\n"
     ]
    }
   ],
   "source": [
    "## 조건부 확률\n",
    "\n",
    "p_smok_given_10 = data_crosstab.loc['10']['유'] / data_crosstab.loc['10'].sum()\n",
    "print(f'P(흡연|10대): {p_smok_given_10}')\n",
    "\n",
    "p_smok_given_20 = data_crosstab.loc['20']['유'] / data_crosstab.loc['20'].sum()\n",
    "print(f'P(흡연|20대): {p_smok_given_20}')\n",
    "\n",
    "p_smok_given_30 = data_crosstab.loc['30']['유'] / data_crosstab.loc['30'].sum()\n",
    "print(f'P(흡연|30대): {p_smok_given_30}')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "id": "0db585e7-f751-4d8c-b25e-6a42ef61bf38",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "전확률: 0.4666666666666667\n",
      "P(30대) * P(흡연|30대): 0.2333333333333333\n"
     ]
    }
   ],
   "source": [
    "## 전확률\n",
    "total_p = (p_10 * p_smok_given_10) + (p_20 * p_smok_given_20) + (p_30 * p_smok_given_30)\n",
    "print(f'전확률: {total_p}')\n",
    "\n",
    "## P(30대) * P(흡연|30대)\n",
    "p_30_smoke_given_30 = (p_30 * p_smok_given_30)\n",
    "print(f'P(30대) * P(흡연|30대): {p_30_smoke_given_30}')\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "id": "21b837f8-3a04-4221-a0d9-49c926c78a0d",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "담배피는 사람일 때 30대일 확률: 0.5\n"
     ]
    }
   ],
   "source": [
    "## 베이즈 확률 : P(30대|흡연), 흡연자 중 30대일 확률\n",
    "p_30_given_smok = p_30_smoke_given_30 / total_p\n",
    "print(f'담배피는 사람일 때 30대일 확률: {round(p_30_given_smok, 3)}')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 11,
   "id": "4b9867d2-06cc-4f8d-9ecd-1245c081bab1",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "[2 1 0 2 0 2 0 1 1 1 1 1 1 1 1 0 1 1 0 0 2 1 0 0 2 0 0 1 1 0 2 1 0 2 2 1 0\n",
      " 1 1 1 2 0 2 0 0 1 2 2 1 2 1 2 1 1 2 1 1 2 1 2 1 0 2 1 1 1 1 2 0 0 2 1 0 0\n",
      " 1]\n",
      "Number of mislabeled points out of a total 75 points : 4\n"
     ]
    }
   ],
   "source": [
    "# [참조] sklearn 나이브 베이즈\n",
    "from sklearn.datasets import load_iris\n",
    "from sklearn.model_selection import train_test_split\n",
    "from sklearn.naive_bayes import GaussianNB\n",
    "\n",
    "# 아이리스 데이터셋업 : X(Feature)와 y(결과)의 값을 각각 세팅\n",
    "X, y = load_iris(return_X_y=True)\n",
    "\n",
    "# Feature 조합인 X의 값을 Train, test로 나누고, 결과 조합인 y의 값을 Train, test로 나눔\n",
    "X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, random_state=0)\n",
    "\n",
    "# 나이브 베이즈는 가우시안 나이브 베이즈\n",
    "nb = GaussianNB()\n",
    "\n",
    "# train 데이터로 학습을 진행하며, X_test 데이터로 결과를 예측하여 y_pred에 입력\n",
    "y_pred = nb.fit(X_train, y_train).predict(X_test)\n",
    "print(y_pred)\n",
    "\n",
    "# 실제값과 y의 예측값을 비교하여 틀린 개수를 출력\n",
    "print(f'Number of mislabeled points out of a total {X_test.shape[0]} points : {(y_test != y_pred).sum()}')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "b5a3c668-24b5-4a52-b8a4-85e5ee609692",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.12"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}