#-*- coding:utf-8 -*-
# 二项分布 多项分布
# 二项分布公式 P(A|B) = P(B|A) * P(A)/P(B)from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_splitiris = load_iris()
X = iris['data']
y = iris['target']X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 朴素贝叶斯 高斯分布
gNB = GaussianNB()
gNB.fit(X_train, y_train)
res = gNB.predict(X_test)print(gNB.score(X_test, y_test))# 多项式分布贝叶斯
from sklearn.naive_bayes import MultinomialNBmNB = MultinomialNB()
mNB.fit(X_train, y_train)
res = mNB.predict(X_test)
print(mNB.score(X_test, y_test))
print(mNB.score(X_train, y_train))# 伯努利分布贝叶斯
from sklearn.naive_bayes import BernoulliNBbNB = BernoulliNB()
bNB.fit(X_train, y_train)
res = bNB.predict(X_test)
print(bNB.score(X_test, y_test))
print(bNB.score(X_train, y_train))# 文本分类
from sklearn.feature_extraction.text import TfidfVectorizertf = TfidfVectorizer()
tf.fit(X['message'])X_train = tf.transform(X['message'])

naive_bayes相关推荐

  1. sklearn.naive_bayes

    #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Sat Aug 5 12:07:15 2017 ...

  2. 带你彻彻底底搞懂朴素贝叶斯公式

    https://zhuanlan.zhihu.com/p/54287889 本文参考了该博客的实例,但该博客中的朴素贝叶斯公式计算错误,评论中的也不对,所以,重新写一篇. 一. 朴素贝叶斯 朴素贝叶斯 ...

  3. python朴素贝叶斯回归预测的结果全是1_python – 朴素贝叶斯概率总是1

    我开始使用sklearn.naive_bayes.GaussianNB进行文本分类,并且获得了很好的初始结果.我想使用分类器返回的概率作为置信度的度量,但predict_proba()方法总是为所选类 ...

  4. sklearn 朴素贝叶斯分类示例

    代码参考 https://github.com/mbeyeler/opencv-machine-learning/blob/master/notebooks/07.01-Implementing-Ou ...

  5. 机器学习(8)朴素贝叶斯算法(20条新闻分类)

    目录 一.基础理论 二.实战:20条新闻分类 1.读取数据 2.训练集划分 3.特征工程(文本特征提取) 4.朴素贝叶斯算法训练 5.模型评估 方法一:预测值与真实值比对 方法二:计算准确率 总代码 ...

  6. 【机器学习入门】(3) 朴素贝叶斯算法:多项式、高斯、伯努利,实例应用(心脏病预测)附python完整代码及数据集

    各位同学好,今天我和大家分享一下朴素贝叶斯算法中的三大模型.在上一篇文章中,我介绍了朴素贝叶斯算法的原理,并利用多项式模型进行了文本分类预测. 朴素贝叶斯算法 -- 原理,多项式模型文档分类预测,附p ...

  7. 【机器学习入门】(2) 朴素贝叶斯算法:原理、实例应用(文档分类预测)附python完整代码及数据集

    各位同学好,今天我向大家介绍python机器学习中的朴素贝叶斯算法.内容有:算法的基本原理:案例实战--新闻文档的分类预测. 案例简介:新闻数据有20个主题,有10万多篇文章,每篇文章对应不同的主题, ...

  8. 朴素贝叶斯分类器简介及C++实现(性别分类)

    贝叶斯分类器是一种基于贝叶斯定理的简单概率分类器. 在机器学习中,朴素贝叶斯分类器是一系列以假设特征之间强(朴素)独立下运用贝叶斯定理为基础的简单概率分类器.朴素贝叶斯是文本分类的一种热门(基准)方法 ...

  9. Datawhale组队学习:初级算法梳理课程任务

    背景 Datawhale 是国内很有名的一个开源学习组织.这个组织将渴望改变的学习者以及一群有能力有想法的青年人集结在一起,营造出一种互促高效的学习环境,一起为开源学习付出努力. Datawhale ...

最新文章

  1. 在单链表的第i个位置后插入一个节点(阿里+腾讯等面试题总结)
  2. 荣耀v40鸿蒙5g,荣耀V40pro再曝光,4K屏+双5000万+鸿蒙OS,再见了荣耀V30pro
  3. 青海高考成绩查询日期2021,2021年青海高考成绩什么时候出来 公布时间
  4. E数据结构实验之查找五:平方之哈希表
  5. mysql odbc 配置详解
  6. bzoj3339 Rmq Problem
  7. ehcahe总结 思维导图
  8. Web前端工作笔记002---$(function(){})和$(document).ready(function(){}) 的区别
  9. ssis 表达式任务_SSIS表达式任务与将变量作为表达式求值
  10. C/C++使用strcpy报错解决方案
  11. python实现简单爬虫功能
  12. mysql生成百万条数据_mysql 快速生成百万条测试数据
  13. 7.Oracle数据库SQL开发之 算术运算
  14. 【玩转CSS】学成在线(文末素材源码自取)
  15. 《物联网Android程序开发案例式教程》Demo2:相对布局
  16. Java 常见异常类
  17. 影响世界的100个经典管理定律
  18. 5类6类7类网线对比_超6类7类8类网线进来挨打 6类线全面测评 网速和传输速率测试...
  19. mysql聚簇索引abc_索引优化_MySQL开发教程_IT技术个人博客
  20. 刑事案件的构成要素 zt

热门文章

  1. 放松跑、间歇跑、节奏跑和LSD
  2. Jmeter之查看结果树详解
  3. Android 图形架构之一 ——概述
  4. hadoop的小疑问:Map执行未结束便开始执行Reduce操作?
  5. java: You aren't using a compiler supported by lombok, so lombok will not work and has been disab...
  6. Bombs CodeForces - 350C
  7. 海量向量搜索引擎 Milvus 开源啦
  8. loadrunner11.0 安装 破解
  9. Mozilla Firefox 全版本下载
  10. java 根据 SVN changeLog 文件 生成增量升级包