樸素貝葉斯分類器

樸素貝葉斯分類器是一個以貝葉斯定理為基礎的多分類的分類器。對于給定數據，首先基于特征的條件獨立性假設，學習輸入輸出的聯合概率分布， 然后基于此模型，對給定的輸入x，利用貝葉斯定理求出后驗概率的最大的輸出y

?在sklean中，實現了三個樸素貝葉斯分類器：

分類器	描述
naive_bayes.GaussianNB	??高斯樸素貝葉斯
naive_bayes.MultinomialNB	?針對多項式模型的樸素貝葉斯分類器
naive_bayes.BernoulliNB	針對多遠伯努利模型的樸素貝葉斯分類器

• 參數：priors:給定類別的先驗概率。如果為空，則按訓練數據的實際情況進行統計，如果給定先驗概率，則在訓練過程不能更改。
  ? 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習方法，由訓練數據學習聯合概率分布，并求得后驗概率分布
• ?樸素貝葉斯一般在小規模數據上表現很好，適合進行多分類任務。

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。