小编给大家分享一下Python sklearn中算法的使用方法,希望大家阅读完这篇文章后大所收获,下面让我们一起去探讨吧!
创新互联于2013年开始,是专业互联网技术服务公司,拥有项目网站设计制作、成都做网站网站策划,项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命,1280元定襄做网站,已为上家服务,为定襄各地企业和个人服务,联系电话:189808205751、高斯朴素贝叶斯 (GaussianNB)
介绍如何使用sklearn来实现GaussianNB
from sklearn import datasets iris = datasets.load_iris() from sklearn.naive_bayes import GaussianNB gnb = GaussianNB() y_pred = gnb.fit(iris.data, iris.target).predict(iris.data) print("Number of mislabeled points out of a total %d points : %d" % (iris.data.shape[0],(iris.target != y_pred).sum()))
2、多项式朴素贝叶斯 (MultinomialNB/MNB)
随机生成一组数据,然后使用MultinomialNB算法来学习。
import numpy as np X = np.random.randint(50, size=(1000, 100)) y = np.random.randint(6, size=(1000)) from sklearn.naive_bayes import MultinomialNB clf = MultinomialNB() clf.fit(X, y) print(clf.predict(X[2:3]))
3. 伯努利朴素贝叶斯 (BernoulliNB)
BernoulliNB实现了基于多元伯努利分布的数据的朴素贝叶斯训练和分类算法
案例:
import numpy as np X = np.random.randint(50, size=(1000, 100)) y = np.random.randint(6, size=(1000)) from sklearn.naive_bayes import BernoulliNB clf = BernoulliNB() clf.fit(X, Y) print(clf.predict(X[2:3]))
4. 决策树
决策树作为十大经典算法之一,能够很好的处理多分类问题。
决策树的sklearn接口:
class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, splitter=’best’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, class_weight=None, presort=False)
看完了这篇文章,相信你对Python sklearn中算法的使用方法有了一定的了解,想了解更多相关知识,欢迎关注创新互联行业资讯频道,感谢各位的阅读!