深入浅出python机器学习_5.1.2_朴素贝叶斯的简单应用
import numpy as npX=np.array([[0,1,0,1],[1,1,1,0],[0,1,1,0],[0,0,0,1],[0,1,1,0],[0,1,0,1],[1,0,0,1]])y=np.array([0,1,1,0,1,0,0])counts={}for label in np.unique(y):print('打印label:\n',label,'\n')counts[label]=X[y==label].sum(axis=0)print('打印y==label:\n',y==label,'\n')print('打印X[y==label]:\n',X[y==label],'\n')print('*'*50)print('打印X[ True,False,False,True,False,True,True ]:\n',X[ True ,False, False , True, False, True , True],'\n')print('打印X[ [ True,False,False,True,False,True,True] ]:\n',X[ [True ,False, False , True, False, True , True]],'\n')print('打印X[True] ]:\n',X[True],'\n')print('打印X[False] ]:\n',X[False],'\n')print('*'*50)# 打印计数结果
print('feature counts:\n{}'.format(counts))
打印label:0 打印y==label:[ True False False True False True True] 打印X[y==label]:[[0 1 0 1][0 0 0 1][0 1 0 1][1 0 0 1]] **************************************************
打印label:1 打印y==label:[False True True False True False False] 打印X[y==label]:[[1 1 1 0][0 1 1 0][0 1 1 0]] **************************************************
打印X[ True,False,False,True,False,True,True ]:[] 打印X[ [ True,False,False,True,False,True,True] ]:[[0 1 0 1][0 0 0 1][0 1 0 1][1 0 0 1]] 打印X[True] ]:[[[0 1 0 1][1 1 1 0][0 1 1 0][0 0 0 1][0 1 1 0][0 1 0 1][1 0 0 1]]] 打印X[False] ]:[] **************************************************
feature counts:
{0: array([1, 2, 0, 4]), 1: array([1, 3, 3, 0])}
深入浅出python机器学习_5.1.2_朴素贝叶斯的简单应用相关推荐
- 【机器学习基础】数学推导+纯Python实现机器学习算法11:朴素贝叶斯
Python机器学习算法实现 Author:louwill 今天要讲的算法是朴素贝叶斯(Naive Bayes).相较于之前的支持向量机等模型,朴素贝叶斯就要简单多了.朴素贝叶斯是一种基于贝叶斯定理和 ...
- python中class_【机器学习基础】数学推导+纯Python实现机器学习算法11:朴素贝叶斯...
Python机器学习算法实现 Author:louwill 今天要讲的算法是朴素贝叶斯(Naive Bayes).相较于之前的支持向量机等模型,朴素贝叶斯就要简单多了.朴素贝叶斯是一种基于贝叶斯定理和 ...
- 机器学习实战4.2 朴素贝叶斯案例:屏蔽社区留言板的侮辱性言论
机器学习实战4.2 朴素贝叶斯案例:屏蔽社区留言板的侮辱性言论 参考地址:https://cuijiahua.com/blog/2017/11/ml_4_bayes_1.html 一.引子 很久没更新 ...
- 基于逻辑回归,支持向量机,朴素贝叶斯以及简单深度学习文本分类方法(BiLSTM、CNN)实现的中文情感分析,含数据集可直接运行
基于逻辑回归,支持向量机,朴素贝叶斯以及简单深度学习文本分类方法(BiLSTM.CNN)实现的中文情感分析,含数据集可直接运行 完整代码下载地址:中文情感分析 中文情感分析 本项目旨在通过一个中文情感 ...
- 【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, ...
- 【python和机器学习入门3】朴素贝叶斯1——过滤恶意留言
参考博客:朴素贝叶斯基础篇之言论过滤器 (po主Jack-Cui,<--大部分内容转载自 参考书籍:<机器学习实战>--第四章4.5 一 朴素贝叶斯理论 二 demo:过滤网站恶意留 ...
- 【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 ...
- 《机器学习实战》-04 朴素贝叶斯
说明: 作业的所有代码都要基于Python3 学习大纲:https://blog.csdn.net/qq_34243930/article/details/84669684 (所有计划均在学习大纲里) ...
- 机器学习实战3(朴素贝叶斯篇)
目录 1.朴素贝叶斯 2.朴素贝叶斯算法实例1--文档分类 3.朴素贝叶斯算法实例2--过滤垃圾邮件 1.朴素贝叶斯 朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失.是否值得投资. ...
最新文章
- 【雷达对抗】频率测量与频谱分析-频率搜索与测频技术
- oracle imp 1403,Oracle中用exp/imp命令参数详解【转】
- C# new和override的区别和用途
- sicily 1021. Couples 栈
- 【X264系列】之编码YUV的内存流程
- Mysql server has gone away
- 控制面板中没有reltek高清晰音频管理器 插入耳机后仍然外放(已解决)
- SpringBoot整合Magic-Api
- SAP中MIGO采购订单收货项目默认OK小技巧
- 第三周学习总结和心得
- win7怎么修改锁定计算机时间,锁定Windows7系统时间教程
- 淘宝详情接口(稳定版本)
- 使用STAF进行自动化安装测试
- 使用x-switch进行代理
- python练习-给数组去重后元素的加序号
- Python3爬取国家统计局官网2019年全国所有城市(2020年更新)
- 一文带你彻底搞懂i++和++i的区别,谁的效率更高?
- 【scoop 】-【安装与使用】
- 电脑出现“电源已连接,未充电”问题的解决办法(亲测有效)
- 互联网时代,真的不需要传统杂志了吗?
热门文章
- 【ABAP增强】基于BADI的增强
- 8年,永洪科技凭什么跑出中国BI领军速度?
- 春节红包大战7年,BAT的变与不变
- 龙剑服务器为什么总是维修,《龙剑》2014年3月13日更新维护公告
- termux怎么安装python库_Python termux-apt-repo包_程序模块 - PyPI - Python中文网
- 电脑怎么换自己的壁纸_电脑硬件到底应该怎么选?自己应该如何组装电脑?
- 青茶什么时候拆_为什么铁观音这么香?到底有没有添加香精?看完你就知道了...
- javafx应用启动自动执行函数_一张图,理顺 Spring Boot应用在启动阶段执行代码的几种方式...
- cli2弃用了吗 vue_vue-cli 3 和 vue-cli 2的区别
- 学mysql是学指令吗_学习Mysql (二) 常用指令