使用sklearn实现朴素贝叶斯分类器
2018-03-20 10:07
253 查看
相比较上一篇用python写贝叶斯算法,用sklearn库就很简单了。下面直接上代码:
from sklearn.naive_bayes import GaussianNB #高斯朴素贝叶斯 from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split datas = load_iris() # print(datas) iris_x = datas.data iris_y = datas.target # print(iris_x) # print(iris_y) iris_x0 = iris_x[ :, 0:2] # print(iris_x0) X_train,X_test,y_train,y_test =train_test_split(iris_x0, iris_y, test_size=0.3) clf = GaussianNB( ) ''' GaussianNB 参数只有一个:先验概率priors MultinomialNB参数有三个:alpha是常量,一般取值1,fit_prior是否考虑先验概率,class_prior自行输入先验概率 BernoulliNB参数有四个:前三个与MultinomialNB一样,第四个binarize 标签二值化 这里的参数的意义主要参考https://www.cnblogs.com/pinard/p/6074222.html''' clf.fit(X_train,y_train) per = clf.predict(X_test) print(per) print(y_test)
相关文章推荐
- 使用sklearn实现朴素贝叶斯文本分类
- 朴素贝叶斯分类器:MATLAB工具箱实现
- Python实现朴素贝叶斯分类器
- 使用svm + hog 实现图片分类器 (附源码)
- 朴素贝叶斯分类器的python实现
- sklearn 朴素贝叶斯 分类器
- 【机器学习算法-python实现】扫黄神器-朴素贝叶斯分类器的实现
- 数据预处理(3) ——数据归约 使用python(sklearn,pandas,numpy)实现
- 使用 sklearn 实现决策树
- adaBoost使用单层决策树分类器实现分类功能(源代码)
- 使用朴素贝叶斯分类器进行文档分类
- 机器学习之使用sklearn实现决策树及原理分析
- 使用sklearn 决策树,KNN,以及自定义KNN类来实现分类
- OpenCV实现朴素贝叶斯分类器诊断病情
- 用scikit-learn实现朴素贝叶斯分类器 转
- 使用pandas,7行代码实现朴素贝叶斯
- 基于朴素贝叶斯分类器的文本分类算法的实现过程分析
- OpenCV实现朴素贝叶斯分类器诊断病情
- 模式识别(七):MATLAB 实现朴素贝叶斯分类器
- python实现一个朴素贝叶斯分类器