Python sklearn中算法的使用方法

　　介绍

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!

<强> (GaussianNB) <强>

sklearn来实现GaussianNB

得到sklearn  import 数据集 　　时间=iris  datasets.load_iris () 　　得到sklearn.naive_bayes  import  GaussianNB 　　时间=gnb  GaussianNB () 　　时间=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 ()))

<强> (MultinomialNB/MNB) <强>

MultinomialNB算法来学习。

import  numpy  as  np 　　时间=X  np.random.randint(50,大?(1000,,100)) 　　时间=y  np.random.randint(6,大?(1000)) 　　得到sklearn.naive_bayes  import  MultinomialNB 　　时间=clf  MultinomialNB () 　　clf.fit (X, y) 　　print (clf.predict (X [2:3]))

<强> (BernoulliNB) <强>

<强>: <强>

import  numpy  as  np 　　时间=X  np.random.randint(50,大?(1000,,100)) 　　时间=y  np.random.randint(6,大?(1000)) 　　得到sklearn.naive_bayes  import  BernoulliNB 　　时间=clf  BernoulliNB () 　　clf.fit (X, Y) 　　print (clf.predict (X [2:3]))

<强>

sklearn接口:

class  sklearn.tree.DecisionTreeClassifier(标准=盎帷?指叉球=詈玫摹?,max_depth=没有,min_samples_split=2,, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=没有,random_state=没有,max_leaf_nodes=没有,min_impurity_decrease=0.0, min_impurity_split=没有,class_weight=没有,预分类=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,欢迎关注行业资讯频道,感谢各位的阅读!

Python sklearn中算法的使用方法