机器学习-朴素贝叶斯

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

朴素贝叶斯
0. 加载相关模块
from sklearn.datasets import load_iris
from sklearn.naive_bayes import GaussianNB
from sklearn.neighbors import KNeighborsClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 用于在jupyter中进行绘图
%matplotlib inline
1. 加载数据
iris = load_iris()
1.1 数据预览¶
print('特征名称:', iris.feature_names)
特征名称: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
print('类别:', iris.target_names)
类别: ['setosa' 'versicolor' 'virginica']
1.2 数据处理
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/4, random_state=0)

print('数据集样本数:{},训练集样本数:{},测试集样本数:{}'.format(len(X), len(X_train), len(X_test)))
数据集样本数:150,训练集样本数:112,测试集样本数:38
2. 建立模型
knn_model = KNeighborsClassifier(n_neighbors=5)
dt_model = DecisionTreeClassifier(max_depth=5)
gnb_model = GaussianNB()

models = {
    'kNN': knn_model,
    'DT': dt_model,
    'GNB': gnb_model
 }
3. 训练+测试模型
for model_name, model in models.items():
    model.fit(X_train, y_train)
    acc = model.score(X_test, y_test)
    print('{}测试准确率:{:.3f}'.format(model_name, acc))
GNB测试准确率:1.000
DT测试准确率:0.974
kNN测试准确率:0.974
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值