樸素貝葉斯分類器

樸素貝葉斯分類器是一個(gè)以貝葉斯定理為基礎(chǔ)的多分類的分類器。對(duì)于給定數(shù)據(jù)，首先基于特征的條件獨(dú)立性假設(shè)，學(xué)習(xí)輸入輸出的聯(lián)合概率分布， 然后基于此模型，對(duì)給定的輸入x，利用貝葉斯定理求出后驗(yàn)概率的最大的輸出y

?在sklean中，實(shí)現(xiàn)了三個(gè)樸素貝葉斯分類器：

分類器	描述
naive_bayes.GaussianNB	??高斯樸素貝葉斯
naive_bayes.MultinomialNB	?針對(duì)多項(xiàng)式模型的樸素貝葉斯分類器
naive_bayes.BernoulliNB	針對(duì)多遠(yuǎn)伯努利模型的樸素貝葉斯分類器

• 參數(shù)：priors:給定類別的先驗(yàn)概率。如果為空，則按訓(xùn)練數(shù)據(jù)的實(shí)際情況進(jìn)行統(tǒng)計(jì)，如果給定先驗(yàn)概率，則在訓(xùn)練過(guò)程不能更改。
  ? import numpy as np X=np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]]) Y=np.array([1,1,1,2,2,2,])from sklearn.naive_bayes import GaussianNB clf=GaussianNB(priors=None) clf.fit(X,Y) print(clf.predict([[-0.8,-1]]))

?

?

• ?樸素貝葉斯是典型的生成學(xué)習(xí)方法，由訓(xùn)練數(shù)據(jù)學(xué)習(xí)聯(lián)合概率分布，并求得后驗(yàn)概率分布
• ?樸素貝葉斯一般在小規(guī)模數(shù)據(jù)上表現(xiàn)很好，適合進(jìn)行多分類任務(wù)。

總結(jié)

以上是生活随笔為你收集整理的python-朴素贝叶斯分类器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。