鸢尾花python贝叶斯分类_高斯朴素贝叶斯方法进行鸢尾花分类
贝叶斯方法完整代码
import seaborn as sns
iris = sns.load_dataset('iris')
X_iris = iris.drop('species', axis=1)
y_iris = iris['species']
print(X_iris)
from sklearn.cross_validation import train_test_split
Xtrain, Xtest, ytrain, ytest = train_test_split(X_iris, y_iris, random_state=1)
from sklearn.naive_bayes import GaussianNB
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest)
from sklearn.metrics import accuracy_score
accuracy_score(ytest, y_model)
步骤分析
一-首先获取数据.
这里我们在线导入seaborn库的iris(鸢尾花)数据
import seaborn as sns
iris = sns.load_dataset('iris')
这是github上的说明, 可直接下载csv文档
二-将数据格式化
X_iris = iris.drop('species', axis=1)
y_iris = iris['species']
将类别那一列删除生成新的对象赋值给X_iris, y_iris为分类.
pandas的drop方法参考
三-将数据切分为训练数据和测试数据
from sklearn.cross_validation import train_test_split
Xtrain, Xtest, ytrain, ytest = train_test_split(X_iris, y_iris, random_state=1)
cross validation是交叉验证的意思, 参考文章
参数random_state是固定的随机种子, 参考文章
四-调用高斯朴素贝叶斯实现训练
from sklearn.naive_bayes import GaussianNB
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest) # 进行预测
调用Gaussian naive Bayes模型, 并进行拟合, 预测
五-对测试结果进行评估
from sklearn.metrics import accuracy_score
accuracy_score(ytest, y_model)
得到准确率为0.9736842105263158
metrics是指标的意思.
说明对特征明显的数据, 即使是非常简单的分类算法也可以高效地进行分析.
鸢尾花python贝叶斯分类_高斯朴素贝叶斯方法进行鸢尾花分类相关推荐
- 鸢尾花python贝叶斯分类_机器学习-利用三种分类器实现鸢尾花分类
利用决策树,KNN和朴素贝叶斯三种分类器,对鸢尾花数据集进行分类.下面是具体的流程和代码: 1. 数据读取: 实验数据是直接加载的sklearn内置的鸢尾花数据集,共150条数据,包含4个特征,而且是 ...
- 鸢尾花python贝叶斯分类_机器学习之鸢尾花-朴素贝叶斯方法
在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同. 对于大多数的分类算法,比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系 ...
- 《统计学习方法》—— 朴素贝叶斯方法、详细推导及其python3实现(二)
前言 在上一篇博客中,我们介绍了朴素贝叶斯方法以及详细推导.在这篇博客中,我们将介绍朴素贝叶斯的python3实现代码. 这里,我们将算法复述如下: 输入:数据集 T={(x1,y1),(x2,y2) ...
- 朴素贝叶斯方法在旋转机械故障诊断中的应用
目录 前言 1 贝叶斯和朴素贝叶斯 1.1 贝叶斯定理 1.2 朴素贝叶斯 2 分类 3 朴素贝叶斯分类 3.1 准备阶段 3.2 训练阶段 3.3 应用阶段 4 旋转机械故障诊断案例 4.1 灵活朴 ...
- 《统计学习方法》—— 朴素贝叶斯方法、详细推导及其python3实现(一)
前言 朴素贝叶斯方法通过构造数据生成分布来预测未知数据的类型,属于生成模型.这里之所以称为"朴素",是因为我们假设数据特征之间具有互相独立的假设. 在这篇博客里,我们将介绍朴素贝叶 ...
- 实现贝叶斯分类器_从头开始在Python中实现高斯朴素贝叶斯
Naive Bayes是一种非常方便,流行且重要的机器学习算法,尤其适用于文本分析和一般分类.在本文中,我将讨论高斯朴素贝叶斯:算法,其实现和应用于微型维基百科数据集(维基百科中给出的数据集). 算法 ...
- 朴素贝叶斯法 - 垃圾邮件分类
本文基于朴素贝叶斯构建一个分类垃圾邮件的模型,研究对象是英文的垃圾邮件. 邮件内容保存在txt文件中,其中分为训练样本train和测试样本test. 在训练样本中正常邮件命名为:pos:垃圾邮件命名为 ...
- 【数据挖掘实验】利用朴素贝叶斯方法对百万搜狐新闻文本数据进行分类
一.概述 本实验做的是一个很常见的数据挖掘任务:新闻文本分类. 语料库来自于搜狗实验室2008年和2012年的搜狐新闻数据, 下载地址:https://www.sogou.com/labs/resou ...
- python朴素贝叶斯分布对数据的要求_统计学习方法与Python实现(三)——朴素贝叶斯法...
统计学习方法与Python实现(三)--朴素贝叶斯法 1.定义 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法. 对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率分布.然 ...
最新文章
- 循环神经网络 (RNN)
- Web开发的历史发展技术演变
- MySQL8.0: Serialized Dictionary Information(SDI) 浅析
- IO_ADDRESS()的实现【转】
- python 相对路径报错_小白学 Python(18):基础文件操作
- 新增标签 html知识,互联网常识:html5有哪些新增标签
- opencv 有无判断 模板匹配_opencv模板匹配
- 22.1-在散列集上进行集合操作
- windows的又一个问题
- cocos Builder的一点理解
- Android 系统分析工具:Systrace
- 【英语语法入门】 第13讲 形容词
- 非模式物种ROSE超级增强子鉴定分析详解
- Window 配置RabbitMQ
- 微信 百度云 服务器繁忙,百度网盘搜索功能失效提示操作过于频繁如何解决
- obd协议 混动车_OBD协议
- 虚幻4渲染编程(环境模拟篇)【第二卷:体积云天空模拟(2)---3D体纹理低云】...
- 【二叉树】用python实现AVL树
- hsk内网穿透+SERV-U+搭建FTP服务器+并实现外网访问
- 在 Flutter 中实现文字动画