#------------------------------Sklearn 实现朴素贝叶斯-----------------------
# 在scikit-learn中,一共有3个朴素贝叶斯的分类算法类。 # 分别是GaussianNB,MultinomialNB和BernoulliNB。 # 其中GaussianNB就是先验为高斯分布的朴素贝叶斯, # MultinomialNB就是先验为多项式分布的朴素贝叶斯, # 而BernoulliNB就是先验为伯努利分布的朴素贝叶斯。 # # 这三个类适用的分类场景各不相同,一般来说,如果样本特征的分布大部分是连续值,使用GaussianNB会比较好。 # 如果如果样本特征的分大部分是多元离散值,使用MultinomialNB比较合适。 # 而如果样本特征是二元离散值或者很稀疏的多元离散值,应该使用BernoulliNB。
#----------------------------------案例一------------------------------------ #GaussianNB_高斯朴素贝叶斯 import numpy as np from sklearn.naive_bayes import GaussianNB from sklearn.naive_bayes import MultinomialNB from sklearn.naive_bayes import BernoulliNB
X=np.arra
|