iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 8
0
自我挑戰組

資料工程師的Machine Learning/工作學習歷程系列 第 8

[第8天]單純貝式分類器-2

  • 分享至 

  • xImage
  •  

一樣我們用scikit-learn來做(連結

scikit-learn裡面有三種貝氏分類器的模型,今天介紹第一個高斯模型~高斯模型的意思是指,在features間的likelihood是以高斯分佈(就是我們熟悉的常態分佈)來假設的。

# -*- coding: utf-8 -*-
from sklearn import tree
from sklearn.model_selection import train_test_split
from sklearn import datasets
from sklearn.metrics import accuracy_score
from sklearn.naive_bayes import GaussianNB


iris = datasets.load_iris()  #load進iris的資料庫

features = iris.feature_names
X = iris.data  
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)  
gnb = GaussianNB()
y_result = gnb.fit(X_train, y_train).predict(X_test)

accuracy_score(y_test, y_result)
print("Number of mislabeled points out of a total %d points : %d"% (iris.data.shape[0],(y_test != y_result).sum()))

之後補充多一點XD


上一篇
[第7天]單純貝氏分類器(Naive Bayes)
下一篇
[第9天]單純貝式分類器-3
系列文
資料工程師的Machine Learning/工作學習歷程20
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言