本文介绍了如何利用sklearn库中的GaussianNB、MultinomialNB和BernoulliNB分别实现基于高斯分布、多项式和伯努利分布的朴素贝叶斯分类。通过加载iris数据集，训练并预测模型，展示了模型的预测效果，并使用交叉验证评估了GaussianNB模型的精度。
高斯分布型
from sklearn import datasets
iris= datasets.load_iris()
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)
print(iris.data.shape[0],(iris.target!=y_pred).sum())
多项式型
from sklearn import datasets
iris= datasets.load_iris()
from sklearn.naive_bayes import MultinomialNB
gnb = MultinomialNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)
print(iris.data.shape[0],(iris.target!=y_pred).sum())
伯努利型
from sklearn import datasets
iris= datasets.load_iris()
from sklearn.naive_bayes import BernoulliNB
gnb = BernoulliNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)
print(iris.data.shape[0],(iris.target!=y_pred).sum())
2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import cross_val_score
gnb = GaussianNB()
scores = cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())
扫一扫
790
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
