机器学习 sklearn 监督学习分类算法朴素贝叶斯 Naive Bayesian Model

最新推荐文章于 2024-05-03 23:05:06 发布

404detective

最新推荐文章于 2024-05-03 23:05:06 发布

阅读量112

点赞数

分类专栏：机器学习sklearn—调参笔记文章标签： sklearn 算法机器学习 python 朴素贝叶斯算法

本文链接：https://blog.csdn.net/qq_26230027/article/details/119837939

版权

机器学习sklearn—调参笔记专栏收录该内容

11 篇文章 10 订阅

订阅专栏

在这里插入图片描述

import numpy as np
from sklearn.naive_bayes import GaussianNB
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([1, 1, 1, 2, 2, 2])
#使用默认参数，创建一个高斯朴素贝叶斯分类器，并将该分类器赋给变量clf
clf = GaussianNB(priors=None)
clf.fit(X, Y)
print(clf.predict([[-0.8, -1]]))

优惠劵

404detective

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习 sklearn 监督学习分类算法朴素贝叶斯 Naive Bayesian Model

import numpy as npfrom sklearn.naive_bayes import GaussianNBX = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])Y = np.array([1, 1, 1, 2, 2, 2])#使用默认参数，创建一个高斯朴素贝叶斯分类器，并将该分类器赋给变量clfclf = GaussianNB(priors=None)clf.fit(X, Y)print(...
复制链接

扫一扫