机器学习_朴素贝叶斯

使用sklearn实现朴素贝叶斯

# 导入模块
import numpy as np
from sklearn import naive_bayes as nb
from sklearn.preprocessing import LabelEncoder

def loaddata():
	X = np.array([[1,'S'],[1,'M'],[1,'M'],[1,'S'],
	[1,'S'],[2,'S'],[2,'M'],[2,'M'],
	[2,'L'],[2,'L'],[3,'L'],[3,'M'],
	[3,'M'],[1,'L'],[3,'L']])
	y = np.array([-1,-1,1,1,-1,-1,-1,1,1,1,1,1,1,1,1,-1])
	return X,y

X,y = loaddata()

把字符类型的转换为数字类型，即对字符类型进行编码

X[:,1] = LabelEncoder().fit_transform(X[:,1])
X = X.astype(int)

调用朴素贝叶斯模型，并fit数据

model = nb.MultinomialNB()
model.fit(X,y)

预测：对[2,‘S’]进行预测，同样S要转换成2

print(model.predict([[2,2]]))