码迷,mamicode.com
首页 > 其他好文 > 详细

11.26

时间:2018-11-26 13:30:58      阅读:191      评论:0      收藏:0      [点我收藏+]

标签:code   ber   selection   朴素   ssi   bsp   imp   分类   com   

1.使用朴素贝叶斯模型对iris数据集进行花分类

尝试使用3种不同类型的朴素贝叶斯:

高斯分布型

多项式型

伯努利型

2.使用sklearn.model_selection.cross_val_score(),对模型进行验证。

 

from sklearn.model_selection import cross_val_score
from sklearn.datasets import load_iris
iris = load_iris()
 
from sklearn.naive_bayes import GaussianNB#高斯
gnb = GaussianNB()
pred = gnb.fit(iris.data,iris.target)#构造模型
y_pred = pred.predict(iris.data)#预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())
score=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("准确率:%.3f"%score.mean())
 
from sklearn.naive_bayes import BernoulliNB#伯努利
bnl = BernoulliNB()
pred = bnl.fit(iris.data,iris.target)#构造模型
y_pred = pred.predict(iris.data)#预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())
score=cross_val_score(bnl,iris.data,iris.target,cv=10)
print("准确率:%.3f"%score.mean())
 
from sklearn.naive_bayes import MultinomialNB#多项式
mlt = MultinomialNB()
pred = mlt.fit(iris.data,iris.target)#构造模型
y_pred = pred.predict(iris.data)#预测
print(iris.data.shape[0],(iris.target!=y_pred).sum())
score=cross_val_score(mlt,iris.data,iris.target,cv=10)
print("准确率:%.3f"%score.mean())

技术分享图片

import csv
file_path=rSMSSpamCollectionjsn.txt
sms=open(file_path,r,encoding=utf-8)
sms_data=[]
sms_label=[]
csv_reader=csv.reader(sms,delimiter=\t)
for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(line[1])
sms.close()

技术分享图片

3. 垃圾邮件分类

11.26

标签:code   ber   selection   朴素   ssi   bsp   imp   分类   com   

原文地址:https://www.cnblogs.com/zhanglk/p/10019421.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!