朴素贝叶斯分类器与针灸针法

朴素贝叶斯分类器是一种基于现有样本数据的概率分类器。其原理是基于样本数据的现有属性（因素）与标签（结果），计算出新的属性所对应标签的概率，然后将其归类为最大概率的标签。 利用该分类器我对房间名称（标签）与房间的面积与周长（属性）进行了关联处理，然后就可以对新属性的房间自动赋予房间名称。见如下视频：

Dynamo数据驱动--使用Naive Bayes预测房间名称

简述一下原理: (一)获取房间面积、周长、房间名称参数.

(二)将房间面积与周长看作属性,房间名称看作标签.为了能够实现绘制任意形状的面积与周长数据落在上述数据内,就需要将周长与面积数据进行分段表示(范围),因此,为了简化示意,就将面积与周长分别从小值到最大值之间划分为三个范围--A/B/C

(三)对于新的房间形状的面积与周长数据转化成对应的范围(如面积B,周长C)就可以求出每个房间名称的概率,将最大概率的房间名称赋予该形状.该步骤由节点包自动完成,只需将数据按照一定规则传递节点即可.

朴素贝叶斯分类器虽然简单，但却能够发挥经验总结的巨大作用，提升经验类工作的效率与创新性。并且随着样本的增加，其预测能力将得到增强，更具备参考性。 传统医学有言："疾在腠理，汤熨之所及；在肌肤，针石之所及。"针石即针灸，在身体的活血化瘀、祛痛调理方面有一定的基础作用。由于本人完全不了解针灸领域，故而将其理想化以便分析以符合数据分析。 假定针灸的治疗方法是通过针扎四类穴位来实现的，即： 针灸治疗=主治穴位+局部穴位+远端穴位+特殊穴位，默认每个穴位可以扎或不扎（空位）。 单针模式：每类穴位预留一个位置，可以扎或不扎。假定每类穴位有9个，分别用数字1-9表示，0表示该穴位不扎。 针灸师通过经验汇总样本数据(数字与症状是虚拟的)：

主穴 局部 远端 特殊 治疗病症

1 3 1 0 偏头痛

1 1 2 0 偏头痛

1 2 1 1 落枕

2 2 5 8 高血压

…

随着经验的增加，样本数量足够多时，就可以进入双针模式，也就是每类穴位预留两个位置，针位可以是空位。 那么，创新性运用双针模式时，就应该建立在单针模式的经验基础之上。比如想尝试出一个治疗头部疾病的新的针法（双针模式），可先由单针模式的样本数据而得出单针模式下的治疗病症可能性，明确与头部相关后，再把分别剩下的四个针位按照经验与感觉尝试，从而得出该双针模式下的针位治疗的病症（从患者身上得出）。如在单针模式的偏头痛针法基础上创造出双针模式的脑梗针法。

主穴 局部 远端 特殊 治疗病症

1 ？ 3 ？ 1 ？ 0 ？ 偏头痛？

1 5 3 2 1 2 0 1 颈椎病

同样，等到双针模式的样本足够多时，又可以进入四针模式、八针模式…

主穴 局部 远端 特殊 治疗病症

15？？ 32？？ 12？？ 01？？ 颈椎病？

1543 3201 1203 0150 肩周炎

这样，就实现了针灸针法的数字化，对于经验总结与创新性，会有大幅度提升。