#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Sat Aug 5 12:07:15 2017@author: luogan """ #高斯樸素貝葉斯 import numpy as np X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]]) Y = np.array([1, 2, 3, 4, 5, 6]) from sklearn.naive_bayes import GaussianNB clf = GaussianNB().fit(X, Y) print (clf.predict([[-0.8,-1]]) )''''' partial_fit說明：增量的訓練一批樣本 這種方法被稱為連續幾次在不同的數據集，從而實現核心和在線學習，這是特別有用的，當數據集很大的時候，不適合在內存中運算 該方法具有一定的性能和數值穩定性的開銷，因此最好是作用在盡可能大的數據塊（只要符合內存的預算開銷） ''' clf_pf = GaussianNB().partial_fit(X, Y, np.unique(Y)) print( clf_pf.predict([[2,-1]]) )#多項式分布 import numpy as np X = np.random.randint(5, size=(6, 100)) y = np.array([1, 2, 3, 4, 5, 6]) from sklearn.naive_bayes import MultinomialNB clf = MultinomialNB().fit(X, y) print (clf.predict(X[2:3]))#伯努利分布 import numpy as np X = np.random.randint(2, size=(6, 100)) Y = np.array([1, 2, 3, 4, 4, 5]) from sklearn.naive_bayes import BernoulliNB clf = BernoulliNB() clf.fit(X, Y) BernoulliNB(alpha=1.0, binarize=0.0, class_prior=None, fit_prior=True) print(clf.predict(X[2:3]))

原文鏈接

總結

以上是生活随笔為你收集整理的sklearn.naive_bayes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。