1.使用朴素贝叶斯模型对iris数据集进行花分类
尝试使用3种不同类型的朴素贝叶斯:
高斯分布型
多项式型
伯努利型
from sklearn.datasets import load_iris iris = load_iris() from sklearn.naive_bayes import GaussianNB #高斯模型 iris.data[55] iris.target[55] gnb = GaussianNB() #模型 pred = gnb.fit(iris.data,iris.target) #训练 y_pred = pred.predict(iris.data) #分类 print(iris.data.shape[0],(iris.target != y_pred).sum())
from sklearn.datasets import load_iris iris = load_iris() from sklearn.naive_bayes import BernoulliNB #伯努利模型 iris.data[55] iris.target[55] gnb = BernoulliNB() #模型 pred = gnb.fit(iris.data,iris.target) #训练 y_pred = pred.predict(iris.data) #分类 print(iris.data.shape[0],(iris.target != y_pred).sum())
from sklearn.datasets import load_iris iris = load_iris() from sklearn.naive_bayes import MultinomialNB #多项式模型 iris.data[55] iris.target[55] gnb = MultinomialNB() #模型 pred = gnb.fit(iris.data,iris.target) #训练 y_pred = pred.predict(iris.data) #分类 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 #高斯交叉验证 gnb = GaussianNB () scores = cross_val_score(gnb,iris.data,iris.target,cv=10) print("Accuracy:%.3f"%scores.mean())
扫描二维码关注公众号,回复:
4182743 查看本文章
from sklearn.naive_bayes import BernoulliNB from sklearn.model_selection import cross_val_score #伯努利交叉验证 gnb = BernoulliNB () scores = cross_val_score(gnb,iris.data,iris.target,cv=10) print("Accuracy:%.3f"%scores.mean())
from sklearn.naive_bayes import MultinomialNB from sklearn.model_selection import cross_val_score #多项式交叉验证 gnb = MultinomialNB() scores = cross_val_score(gnb,iris.data,iris.target,cv=10) print("Accuracy:%.3f"%scores.mean())