创建朴素贝叶斯分类器、交叉验证

本文介绍了如何使用Python创建朴素贝叶斯分类器,并进行了数据划分、模型训练。通过计算准确率展示分类器性能,进一步探讨了精度、召回率和F1得分之间的关系。通过交叉验证,得出不同验证方式下的分类器准确率,显示了模型的稳定性和可靠性。
摘要由CSDN通过智能技术生成

朴素贝叶斯分类器

其知识详见:http://blog.csdn.net/batuwuhanpei/article/details/51910349

  • 导入模块
import numpy as np
from sklearn.naive_bayes import GaussianNB
from func_plot_classifier import plot_classifier
  • 加载数据
input_file= 'data_multivar.txt'
x = []
y = []
with open(input_file,'r') as f:
    for line i
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值