分类算法学习-sklearn.naive_bayes 贝叶斯学习

sklearn.naive_bayes模块有三个方法事先贝叶斯算法，分别是GaussianNB（以高斯分布为先验概率），MultinomialNB（先验概率为多项式分布）和BernoulliNB（先验概率为伯努利分布）

---

sklearn.naive_bayes.BernoulliNB

 

参数：

 

 

---

sklearn.naive_bayes.MultinomialNB

适合离散数据，比如在文本分类里面的单词计数

参数：

 

 

---

sklearn.naive_bayes.GaussianNB

参数：

import numpy as np
X=np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]])
Y=np.array([1,1,1,2,2,2])
from sklearn.naive_bayes import GaussianNB
clf=GaussianNB()
clf.fit(X,Y)
print(clf.predict([[0.8,1]]))
"""
[2]
"""
print("predict_proba:\n")
print(clf.predict_proba([[0.8,1]]))
"""[[  5.05653254e-08   9.99999949e-01]]"""