贝叶斯算法+贝叶斯实践

贝叶斯分析

一般用于新闻分类、评论分析

数理统计基本概念


贝叶斯定理


举例



朴素贝叶斯

多项式模型

伯努利模型

混合模型

高斯模型

# 导入算法包以及数据集
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report,confusion_matrix
from sklearn.naive_bayes import MultinomialNB,BernoulliNB,GaussianNB
#多项式模型、伯努利模型、高斯模型

# 载入数据
iris = datasets.load_iris()
x_train,x_test,y_train,y_test = train_test_split(iris.data, iris.target) 

#建立高斯模型
mul_nb = GaussianNB()
mul_nb.fit(x_train,y_train)

print(classification_report(mul_nb.predict(x_test),y_test))

print(confusion_matrix(mul_nb.predict(x_test),y_test))#混淆矩阵

#伯努利模型
mul_nb = BernoulliNB()
mul_nb.fit(x_train,y_train)

print(classification_report(mul_nb.predict(x_test),y_test))

#多项式模型
mul_nb = MultinomialNB()
mul_nb.fit(x_train,y_train)

print(classification_report(mul_nb.predict(x_test),y_test))

我们可以看到高斯模型表现比较好，因为鸢尾花数据集是一个连续的特征，高斯模型比较擅长处理连续型数据。