import numpy as np
import matplotlib.pyplot as plt
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import BernoulliNB
from sklearn.preprocessing import MinMaxScaler
digits=load_digits()
X,y=digits.data, digits.target
X_train, X_test, y_train, y_test=train_test_split(X, y, test_size=0.3)
#高斯樸素貝葉斯
gnb=GaussianNB().fit(X_train, y_train)
gnb.score(X_test, y_test)
y_pred=gnb.predict(X_test)
from sklearn.metrics import confusion_matrix as CM
CM(y_test, y_pred)
mns=MinMaxScaler().fit(X_train)
X_train_=mns.transform(X_train)
X_test=mns.transform(X_test)
#伯努利樸素貝葉斯
bn=BernoulliNB(binarize=0.1).fit(X_train, y_train)
bn.score(X_test, y_test)
學(xué)習(xí)筆記:sklearn-樸素貝葉斯
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。
相關(guān)閱讀更多精彩內(nèi)容
- 樸素bayes方法是一組基于bayes定理的有監(jiān)督學(xué)習(xí)算法,在給定類變量值的情況下,每對特征之間條件獨立的樸素假設(shè)...
- 文章原創(chuàng),最近更新:2018-08-21 學(xué)習(xí)參考鏈接:第4章 基于概率論的分類方法:樸素貝葉斯 本章節(jié)的主要內(nèi)容...
- 文章原創(chuàng),最近更新:2018-08-21 前言:本文介紹機器學(xué)習(xí)分類算法中的樸素貝葉斯分類算法并給出偽代碼,Pyt...
- 文章原創(chuàng),最近更新:2018-06-23 參考鏈接:1、 理解樸素貝葉斯分類的拉普拉斯平滑 前言:通過參考《理解樸...
- 文章原創(chuàng),最近更新:2018-08-25 1.關(guān)于本書2.關(guān)于作者3.內(nèi)容簡介4.主要內(nèi)容 引言:網(wǎng)上找資料覺得這...