python中的sklearn_Python sklearn中算法的使用方法

Python sklearn中算法的使用方法

发布时间：2020-11-16 09:31:02

来源：亿速云

阅读：95

作者：小新

小编给大家分享一下Python sklearn中算法的使用方法，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！

1、高斯朴素贝叶斯 (GaussianNB)

介绍如何使用sklearn来实现GaussianNBfrom sklearn import datasets

iris = datasets.load_iris()

from sklearn.naive_bayes import GaussianNB

gnb = GaussianNB()

y_pred = gnb.fit(iris.data, iris.target).predict(iris.data)

print("Number of mislabeled points out of a total %d points : %d"

% (iris.data.shape[0],(iris.target != y_pred).sum()))

2、多项式朴素贝叶斯 (MultinomialNB/MNB)

随机生成一组数据，然后使用MultinomialNB算法来学习。import numpy as np

X = np.random.randint(50, size=(1000, 100))

y = np.random.randint(6, size=(1000))

from sklearn.naive_bayes import MultinomialNB

clf = MultinomialNB()

clf.fit(X, y)

print(clf.predict(X[2:3]))

3.伯努利朴素贝叶斯 (BernoulliNB)

BernoulliNB实现了基于多元伯努利分布的数据的朴素贝叶斯训练和分类算法

案例:import numpy as np

X = np.random.randint(50, size=(1000, 100))

y = np.random.randint(6, size=(1000))

from sklearn.naive_bayes import BernoulliNB

clf = BernoulliNB()

clf.fit(X, Y)

print(clf.predict(X[2:3]))

4.决策树

决策树作为十大经典算法之一，能够很好的处理多分类问题。

决策树的sklearn接口：class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, splitter=’best’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, class_weight=None, presort=False)

看完了这篇文章，相信你对Python sklearn中算法的使用方法有了一定的了解，想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！