學(xué)習(xí)筆記:sklearn-樸素貝葉斯

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)
?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)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容