Udacity机器学习入门笔记——朴素贝叶斯
2017-11-13 19:44
295 查看
这里比较简单就不多说了,主要记一下使用的代码吧
http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.GaussianNB.html
http://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html
GaussianNB(高斯朴素贝叶斯)
链接:http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.GaussianNB.html
>>> import numpy as np >>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]]) >>> Y = np.array([1, 1, 1, 2, 2, 2]) >>> from sklearn.naive_bayes import GaussianNB >>> clf = GaussianNB() >>> clf.fit(X, Y) GaussianNB(priors=None) >>> print(clf.predict([[-0.8, -1]])) [1] >>> clf_pf = GaussianNB() >>> clf_pf.partial_fit(X, Y, np.unique(Y)) GaussianNB(priors=None) >>> print(clf_pf.predict([[-0.8, -1]])) [1]
求准确率
链接:http://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html
>>> import numpy as np >>> from sklearn.metrics import accuracy_score >>> y_pred = [0, 2, 1, 3] >>> y_true = [0, 1, 2, 3] >>> accuracy_score(y_true, y_pred) 0.5 >>> accuracy_score(y_true, y_pred, normalize=False) 2 >>> >>> accuracy_score(np.array([[0, 1], [1, 1]]), np.ones((2, 2))) 0.5
相关文章推荐
- Udacity机器学习入门笔记——朴素贝叶斯
- Udacity机器学习入门笔记——支持向量机(SVM)
- Udacity机器学习入门笔记——决策树
- Udacity机器学习入门笔记——自选算法 随机森林
- Udacity机器学习入门笔记——Random Forest
- Udacity机器学习入门笔记——支持向量机(SVM)
- Udacity机器学习工程师学习笔记(三)
- cs229 斯坦福机器学习笔记(一)-- 入门与LR模型
- 机器学习笔记--朴素贝叶斯 &三种模型&sklearn应用
- 机器学习笔记_贝叶斯分类器(IV)_半朴素贝叶斯分类器
- 程序员的机器学习入门笔记(三):数据挖掘中矩阵的那些事
- 机器学习入门之《统计学习方法》笔记整理——决策树
- 一、机器学习系统设计笔记之python机器学习入门
- 机器学习 学习笔记 朴素贝叶斯分类 笔记
- 机器学习实战-朴素贝叶斯笔记
- 程序员的机器学习入门笔记(十):人脸识别核心算法PCA的前世与今生(强烈推荐)
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之四:分类、逻辑回归和过拟合
- 机器学习笔记(三)之朴素贝叶斯
- 机器学习笔记(五) octave入门
- 机器学习笔记之朴素贝叶斯分类算法