鸢尾花python贝叶斯分类_高斯朴素贝叶斯方法进行鸢尾花分类
贝叶斯方法完整代码
import seaborn as sns
iris = sns.load_dataset('iris')
X_iris = iris.drop('species', axis=1)
y_iris = iris['species']
print(X_iris)
from sklearn.cross_validation import train_test_split
Xtrain, Xtest, ytrain, ytest = train_test_split(X_iris, y_iris, random_state=1)
from sklearn.naive_bayes import GaussianNB
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest)
from sklearn.metrics import accuracy_score
accuracy_score(ytest, y_model)
步骤分析
一-首先获取数据.
这里我们在线导入seaborn库的iris(鸢尾花)数据
import seaborn as sns
iris = sns.load_dataset('iris')
这是github上的说明, 可直接下载csv文档
二-将数据格式化
X_iris = iris.drop('species', axis=1)
y_iris = iris['species']
将类别那一列删除生成新的对象赋值给X_iris, y_iris为分类.
pandas的drop方法参考
三-将数据切分为训练数据和测试数据
from sklearn.cross_validation import train_test_split
Xtrain, Xtest, ytrain, ytest = train_test_split(X_iris, y_iris, random_state=1)
cross validation是交叉验证的意思, 参考文章
参数random_state是固定的随机种子, 参考文章
四-调用高斯朴素贝叶斯实现训练
from sklearn.naive_bayes import GaussianNB
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest) # 进行预测
调用Gaussian naive Bayes模型, 并进行拟合, 预测
五-对测试结果进行评估
from sklearn.metrics import accuracy_score
accuracy_score(ytest, y_model)
得到准确率为0.9736842105263158
metrics是指标的意思.
说明对特征明显的数据, 即使是非常简单的分类算法也可以高效地进行分析.
鸢尾花python贝叶斯分类_高斯朴素贝叶斯方法进行鸢尾花分类相关推荐
- 鸢尾花python贝叶斯分类_机器学习-利用三种分类器实现鸢尾花分类
利用决策树,KNN和朴素贝叶斯三种分类器,对鸢尾花数据集进行分类.下面是具体的流程和代码: 1. 数据读取: 实验数据是直接加载的sklearn内置的鸢尾花数据集,共150条数据,包含4个特征,而且是 ...
- 鸢尾花python贝叶斯分类_机器学习之鸢尾花-朴素贝叶斯方法
在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同. 对于大多数的分类算法,比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系 ...
- 《统计学习方法》—— 朴素贝叶斯方法、详细推导及其python3实现(二)
前言 在上一篇博客中,我们介绍了朴素贝叶斯方法以及详细推导.在这篇博客中,我们将介绍朴素贝叶斯的python3实现代码. 这里,我们将算法复述如下: 输入:数据集 T={(x1,y1),(x2,y2) ...
- 朴素贝叶斯方法在旋转机械故障诊断中的应用
目录 前言 1 贝叶斯和朴素贝叶斯 1.1 贝叶斯定理 1.2 朴素贝叶斯 2 分类 3 朴素贝叶斯分类 3.1 准备阶段 3.2 训练阶段 3.3 应用阶段 4 旋转机械故障诊断案例 4.1 灵活朴 ...
- 《统计学习方法》—— 朴素贝叶斯方法、详细推导及其python3实现(一)
前言 朴素贝叶斯方法通过构造数据生成分布来预测未知数据的类型,属于生成模型.这里之所以称为"朴素",是因为我们假设数据特征之间具有互相独立的假设. 在这篇博客里,我们将介绍朴素贝叶 ...
- 实现贝叶斯分类器_从头开始在Python中实现高斯朴素贝叶斯
Naive Bayes是一种非常方便,流行且重要的机器学习算法,尤其适用于文本分析和一般分类.在本文中,我将讨论高斯朴素贝叶斯:算法,其实现和应用于微型维基百科数据集(维基百科中给出的数据集). 算法 ...
- 朴素贝叶斯法 - 垃圾邮件分类
本文基于朴素贝叶斯构建一个分类垃圾邮件的模型,研究对象是英文的垃圾邮件. 邮件内容保存在txt文件中,其中分为训练样本train和测试样本test. 在训练样本中正常邮件命名为:pos:垃圾邮件命名为 ...
- 【数据挖掘实验】利用朴素贝叶斯方法对百万搜狐新闻文本数据进行分类
一.概述 本实验做的是一个很常见的数据挖掘任务:新闻文本分类. 语料库来自于搜狗实验室2008年和2012年的搜狐新闻数据, 下载地址:https://www.sogou.com/labs/resou ...
- python朴素贝叶斯分布对数据的要求_统计学习方法与Python实现(三)——朴素贝叶斯法...
统计学习方法与Python实现(三)--朴素贝叶斯法 1.定义 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法. 对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率分布.然 ...
最新文章
- python三层架构
- 首次发现!AI脑回路演化向人类更进一步,OpenAI最新研究引热议,有学者评价:太吓人了...
- 使用CNN做电影评论的负面检测——本质上感觉和ngram或者LSTM同,因为CNN里图像检测卷积一般是3x3,而文本分类的话是直接是一维的3、4、5...
- Tensorflow学习-工具相关
- Spring管理Bean的生命周期
- 大学每天打游戏,不是混吃等死是什么?
- python曲面图颜色渐变方向_matplotlib三维曲面的透明度和颜色渐变?
- centos 静态拨号
- nvidia 桌面录屏
- python中int对象不可迭代_python - 情感分析接收错误:'int'对象不可迭代_python-3.x_酷徒编程知识库...
- SQL Server数据库有关语法
- ElasticSearch完结篇------京东搜索实战
- 关于pdf转html的个人方法,pdf转html的另类方法
- sat数学逻辑推理题解题方法
- mysql查询姓名第二个字_第二篇:MySQL中SELECT查询语句总结
- Unity2019版本打包一直停留在 detecting current sdk tools version的解决方案
- 用欧拉公式推导三角函数所有公式包括 倍角公式-半角公式-和差化积-积化和差...
- Redis知识梳理(25)[ Redis 安全通讯 ]
- 码工成长手册:刚毕业的程序员如何快速提升自己?
- 酷炫小程序相册源码,制作属于自己的相册,免费下载
热门文章
- php7.1系统,PHP版论坛系统Discuz! 7.1下载
- Fate单机部署(docker版本)
- 三坐标检测之探头介绍
- 基于ANSA的翼型流场网格生成
- python快速实现图像矫正_OpenCV-python 实现图片矫正
- 10.14 brid
- 鸿蒙系统支持哪些手环,鸿蒙系统2.0版本9月发布,打通PC、手机、手环!再见安卓!...
- 程序好思路分享 计算机毕业设计Hadoop+Spark交通大数据 地铁客流量分析大数据 数据仓库 大数据毕业设计 大数据毕设
- [516]importError: cannot import name 'izip_longest'
- IIS应用程序池监控,实时监控停止自动启动防止假死