sklearn中的朴素贝叶斯模型及其应用
1.使用朴素贝叶斯模型对iris数据集进行花分类
高斯分布型
from sklearn import datasets
iris = datasets.load_iris()
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB() #构造
pred = gnb.fit(iris.data, iris.target)#拟合
y_pred = pred.predict(iris.data)#预测
print(iris.data.shape[0],(iris.target != y_pred).sum())
运行结果:
多项式型
from sklearn import datasets
iris = datasets.load_iris()
from sklearn.naive_bayes import MultinomialNB
gnb = MultinomialNB() #构造
pred = gnb.fit(iris.data,iris.target) #拟合
y_pred = pred.predict(iris.data) #预测
print(iris.data.shape[0],(iris.target != y_pred).sum())
运行结果:
伯努利型
from sklearn import datasets
iris = datasets.load_iris()
from sklearn.naive_bayes import BernoulliNB
gnb = BernoulliNB() #构造
pred = gnb.fit(iris.data,iris.target) #拟合
y_pred = pred.predict(iris.data) #预测
print(iris.data.shape[0],(iris.target != y_pred).sum())
运行结果:
2.使用sklearn.model_selection.cross_val_score(),对模型进行验证。
3. 垃圾邮件分类
数据准备:
- 用csv读取邮件数据,分解出邮件类别及邮件内容。
- 对邮件内容进行预处理:去掉长度小于3的词,去掉没有语义的词等
import csv
file_path=r'F:\duym\ai\短信垃圾邮件收集数据集 smsspamcollection\SMSSpamCollectionjsn.txt'
sms=open(file_path,'r',encoding='utf-8')
sms_data=[]
sms_label=[]
csv_reader=csv.reader(sms,delimiter='\t')
for line in csv_reader:
sms_label.append(line[0])
sms_data.append(line[1])
sms.close()
print(len(sms_label))
sms_label