掌握sklearn中使用朴素贝叶斯算法
发布时间
阅读量:
阅读量
基于不同的贝叶斯假设,所对应的数据分布形式存在差异。
当前阶段将统一采用系统预设的参数配置。
高斯朴素贝叶斯
"""
多项式朴素贝叶斯分类器适用于具有离散特征的分类(例如,用于文本分类的字数)。
多项分布通常需要整数特征计数。然而,在实践中,诸如tf-idf的分数计数也可以起作用。
"""
from sklearn import datasets
iris = datasets.load_iris()
from sklearn.naive_bayes import GaussianNB
gnb=GaussianNB()
gnb.fit(iris.data,iris.target)
y_pred = gnb.predict(iris.data)
print('number of mislabeled points out of a total %d points : %d'%(iris.data.shape[0],(iris.target != y_pred).sum()))
gnb.score(iris.data,iris.target)
gnb.get_params()
全部评论 (0)
还没有任何评论哟~
