机器学习11- 分类与监督学习，朴素贝叶斯分类算法

 1 from sklearn.datasets import load_iris   #导入鸢尾花数据
 2 from sklearn.naive_bayes import GaussianNB     # 高斯分布型
 3 from sklearn.naive_bayes import MultinomialNB  # 多项式型
 4 from sklearn.naive_bayes import BernoulliNB    # 伯努利型
 5 from sklearn.model_selection import cross_val_score   ##交叉验证
 6 
 7 iris = load_iris()# 数据提取
 8 
 9 gnb = GaussianNB() # 建立高斯分布模型
10 mnb = MultinomialNB()# 建立多项式模型
11 bnb = BernoulliNB()# 建立伯努利模型
12 # 分别对模型进行训练
13 gnb_pre = gnb.fit(iris.data, iris.target)
14 mnb_pre = mnb.fit(iris.data, iris.target)
15 bnb_pre = bnb.fit(iris.data, iris.target)
16 # 对数据进行分类预测
17 y_gnb = gnb_pre.predict(iris.data)
18 y_mnb = mnb_pre.predict(iris.data)
19 y_bnb = bnb_pre.predict(iris.data)
20 
21 print("GNB预测总数:", iris.data.shape[0])
22 print("GNB预测正确个数:",(iris.target == y_gnb).sum())
23 print("MNB预测总数:", iris.data.shape[0])
24 print("MNB预测正确个数:",(iris.target == y_mnb).sum())
25 print("BNB预测总数:", iris.data.shape[0])
26 print("BNB预测正确个数:",(iris.target == y_bnb).sum())
27 
28 # 分别进行交叉验证
29 gnb_scores = cross_val_score(gnb, iris.data, iris.target, cv=10)
30 print("GNB Accuracy:%.6f" % gnb_scores.mean())
31 mnb_scores = cross_val_score(mnb, iris.data, iris.target, cv=10)
32 print("MNB Accuracy:%.6f" % mnb_scores.mean())
33 bnb_scores = cross_val_score(bnb, iris.data, iris.target, cv=10)
34 print("BNB Accuracy:%.6f" % bnb_scores.mean())