朴素贝叶斯算法在机器学习中是一种常用的分类算法。scikit-learn是一个流行的机器学习库,提供了许多实现朴素贝叶斯算法的类库。本文将介绍scikit-learn中朴素贝叶斯类库的使用方法,并附上相应的源代码示例。
scikit-learn中的朴素贝叶斯类库提供了几种不同的朴素贝叶斯算法实现,包括高斯朴素贝叶斯(Gaussian Naive Bayes)、多项式朴素贝叶斯(Multinomial Naive Bayes)和伯努利朴素贝叶斯(Bernoulli Naive Bayes)。这些算法适用于不同类型的数据和特征。
首先,我们需要导入scikit-learn库和所需的朴素贝叶斯类:
from sklearn.naive_bayes import GaussianNB, MultinomialNB, BernoulliNB
接下来,我们需要准备我们的数据集。为了演示,我们将使用一个简单的示例数据集。假设我们有一个包含两个特征的数据集,并且每个样