机器学习之朴素贝叶斯（二）以鸢尾花数据集为例实现调库训练

最新推荐文章于 2024-04-17 15:13:27 发布

繁华三千东流水

最新推荐文章于 2024-04-17 15:13:27 发布

阅读量3.7k

点赞数 3

分类专栏：机器学习算法思想及代码实现文章标签：机器学习朴素贝叶斯调库实现

本文链接：https://blog.csdn.net/qq872890060/article/details/99467673

版权

本文通过鸢尾花数据集详细讲解了如何使用朴素贝叶斯算法进行机器学习。首先介绍了相关参数，然后逐步展示了具体的代码实现过程。

摘要由CSDN通过智能技术生成

参数介绍

from sklearn import naive_bayes
clf=naive_bayes.MultinomialNB()
'''
@参数
alpha: float，可选(默认值为1.0)
加法(拉普拉斯/李德斯通)平滑参数(0表示无平滑)。
fit_prior: boolean，可选(默认=True)
仅用于训练集中单个类的边缘情况。
class_prior:类数组，大小(n_classes，)，可选(默认=None)
类的先验概率。
norm: boolean，可选(默认=False)
是否对权重执行第二次标准化。

'''
clf=naive_bayes.GaussianNB() # 没有参数