sklearn之樸素貝葉斯實戰

2021-08-05 20:26:02 字數 1429 閱讀 1130

multinomialnb 實現了資料服從多項式分布時的貝葉斯演算法。

import numpy as np


#隨機產生0-4之間的整數，產六組，一組100個


x = np.random


.randint(5, size=(6, 10))


y = np.array([1, 2, 3, 4, 5, 6])


from sklearn.*****_bayes import  multinomialnb


mnb = multinomialnb();


mub_model = mnb.fit(x, y)


print(mub_model.predict(x[2:3]))


結果：[3]
gaussiannb 實現了樸素貝葉斯的高斯模型( gaussian ***** bayes )的分類演算法。

from sklearn import datasets


iris = datasets.load_iris()


from sklearn.*****_bayes import gaussiannb


gnb = gaussiannb()


gnb_model = gnb.fit(iris.data, iris.target)


y_pred = gnb_model.predict(iris.data)


print("number of mislabeled points out of a total %d points : %d"


% (iris.data.shape[0],(iris.target != y_pred).sum()))


結果：number


of mislabeled points out of a total 150 points : 6
類 bernoullinb 實現了對於服從多元伯努利分布的資料的樸素貝葉斯訓練和分類演算法； 也就是說，對於大量特徵，每乙個特徵都是乙個0-1變數 (bernoulli, boolean)。 因此，這個類要求樣本集合以0-1特徵向量的方式展現。如果接收到了其他型別的資料作為引數， 乙個 bernoullinb 例項會把輸入資料二元化(取決於 binarize 引數設定)

import numpy as np


x = np.random


.randint(2, size=(6, 100))


y = np.array([1, 2, 3, 4, 4, 5])


from sklearn.*****_bayes import bernoullinb


bnb = bernoullinb()


bnb_model = bnb.fit(x, y)


print(bnb_model.predict(x[2:3]))


結果：[3]
參考：

1.2.

Sklearn實現樸素貝葉斯

sklearn 實現樸素貝葉斯 在scikit learn中，一共有3個樸素貝葉斯的分類演算法類。分別是gaussiannb，multinomialnb和bernoullinb。其中gaussiannb就是先驗為高斯分布的樸素貝葉斯，multinomialnb就是先驗為多項式分布的樸素貝葉斯，而be...

Sklearn實現樸素貝葉斯

sklearn 實現樸素貝葉斯 在scikit learn中，一共有3個樸素貝葉斯的分類演算法類。分別是gaussiannb，multinomialnb和bernoullinb。其中gaussiannb就是先驗為高斯分布的樸素貝葉斯，multinomialnb就是先驗為多項式分布的樸素貝葉斯，而be...

sklearn調包俠之樸素貝葉斯

樸素貝葉斯演算法常用於文件的分類問題上，但計算機是不能直接理解文件內容的，怎麼把文件內容轉換為計算機可以計算的數字，這是自然語言處理 nlp 中很重要的內容。tf idf方法資料匯入和tf idf 在sklearn中，通過load files方法可以將子目錄的名字轉換為文件類別 target 將目錄...