Scikit-Learn 樸素貝葉斯分類
樸素貝葉斯分類是機器學習中常見的分類方法之一,本節將帶大家深入學習一下 Scikit-Learn 中樸素貝葉斯分類工具包的相關使用方法。
首先,我們導入相關的庫,並構建第一個示例數據集:
Scikit-Learn 中的 makeblobs 方法常被用來生成聚類演算法的測試數據,直觀地說,makeblobs 會根據用戶指定的特徵數量、中心點數量、範圍等來生成幾類數據,這些數據可用於測試聚類演算法的效果。接下來,我們導入樸素貝葉斯分類函數 GaussianNB ,構建並擬合模型:
為了更清晰直觀地展示模型效果,我們構建了另一組隨機樣本,用於觀察樸素貝葉斯分類模型在二維空間中的分類邊界,在這裡,我們可以調用 predict 函數,來輸出模型對樣本點的判斷結果:
未完待續:
課程內容較多,請複製鏈接通過電腦學習,獲得最佳學習效果。
http://datacademy.io/lesson/140
更多課程和文章盡在微信號:
「datartisan數據工匠」
TAG:Datartisan數據工匠 |
※Python中Scikit-Learn庫的分類方法總覽
※兼容 Scikit-Learn的PyTorch 神經網路庫——skorch
※AI 框架使用排行:TensorFlow、Scikit Learn、IBM Watson、Spark-MLib、Keras
※如何將 Scikit-learn Python 庫用於數據科學項目
※Python 機器學習 Scikit-learn 完全入門指南
※Python數據處理實戰——使用Scikit-Learn進行多類文本分類
※Python愛好者周知:Scikit-Learn中文文檔正式發布
※Scikit-learn官方文檔中文版
※scikit-learn機器學習初體驗
※教程 | 如何通過Scikit-Learn實現多類別文本分類?
※Scikit-learn中文文檔發布,Python愛好者們準備好了嗎?
※一文概述用 python 的 scikit-image 模塊進行圖像分割
※30分鐘學會用scikit-learn的基本回歸方法
※機器學習與Scikit Learn學習庫
※Scikit-learn筆記8 線性支持向量機
※AI開發最大升級:Pandas與Scikit-Learn合併,新工作流程更簡單強大!
※Scikit-learn 發布 0.20版本!新增處理缺失值、合併Pandas等亮點功能
※Scikit-learn應用指南:數據的表示與可視化
※教你在Python中用Scikit生成測試數據集
※文本分類又來了,用 Scikit-Learn 解決多類文本分類問題