sklearn中的朴素贝叶斯模型及其应用

高斯分布型

from sklearn import datasets
iris= datasets.load_iris()

from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)

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

　　

多项式型

from sklearn import datasets
iris= datasets.load_iris()

from sklearn.naive_bayes import MultinomialNB
gnb = MultinomialNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)

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

　　

 

伯努利型

from sklearn import datasets
iris= datasets.load_iris()

from sklearn.naive_bayes import BernoulliNB
gnb = BernoulliNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)

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

　　

 

 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。

from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import cross_val_score
gnb = GaussianNB()

scores = cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())