本文用的是sciki-learn库的iris数据集进行测试。用的模型也是最简单的，就是用贝叶斯定理P(A|B) = P(B|A)*P(A)/P(B)，计算每个类别在样本中概率（代码中是pLabel变量）
以及每个类下每个特征的概率（代码中是pNum变量）。
写得比较粗糙，对于某个类下没有此特征的情况采用p=1/样本数量。
有什么错误有人发现麻烦提出，谢谢。
# -*- coding:utf-8 -*-
from numpy import *
from sklearn import datase
本文通过scikit-learn库的iris数据集，运用朴素贝叶斯定理进行分类。模型计算每个类别的总体概率及各特征在类别内的概率。在处理未出现的特征情况时，设定概率为1除以样本总数。欢迎指出任何错误。
最低0.47元/天 解锁文章
扫一扫
3116
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
