scikit-learn - 朴素贝叶斯的高斯模型

1. 参考资料

http://cwiki.apachecn.org/pages/viewpage.action?pageId=10814109
http://www.cnblogs.com/Scorpio989/p/4760281.html
http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html
http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html

2. iris数据集

http://archive.ics.uci.edu/ml/datasets/Iris
iris是一个植物数据库，我们可以通过植物的特征判断它的产地,数据集特征：
实例数：150（三类中的每一类为50）其中：
特征向量有四个:

• 萼片长度（厘米）
• 萼片宽度（厘米）
• 花瓣长度（厘米）
• 花瓣宽度（厘米）
  类有三个:
• Setosa
• Versicolour
• Virginica

3. 使用贝叶斯定理，根据植物特征，预测其产地

"""
=========================================
Gaussian Naive Bayes ( 高斯朴素贝叶斯 )
=========================================

"""
print(__doc__)

from sklearn import datasets
from sklearn.naive_bayes import GaussianNB
import numpy as np

# 装载测试数据集
iris = datasets.load_iris()

# 600 共600/4=150个样本
print("Number of test points %d" % (iris.data.shape[0]))

# 打印特征名称
print("Feature names: ")
print(iris.feature_names)

# 打印分类名称
print("Target class names: ")
print(iris.target_names)

gnb = GaussianNB()

# 输入样本与分类，开始训练
gnb.fit(iris.data, iris.target)

# 指定植物特征向量预测产地
plant = np.array([5.9, 3., 5.1, 1.8])
class_pred = gnb.predict([plant])
print("Predict class is %s" % (iris.target_names[class_pred[0]]))

# 对训练数据再次运行分类，这个可以看作是一种回归测试，通常不会和target完全一致，否则可能造成过拟合问题
y_pred = gnb.predict(iris.data)

# 打印有多少个样本不一致
print("Number of mislabeled points out of a total %d points : %d"
      % (iris.data.shape[0], (iris.target != y_pred).sum()))