小編給大家分享一下Python sklearn中算法的使用方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

創新互聯于2013年開始，是專業互聯網技術服務公司，擁有項目網站設計制作、成都做網站網站策劃，項目實施與項目整合能力。我們以讓每一個夢想脫穎而出為使命，1280元定襄做網站,已為上家服務,為定襄各地企業和個人服務,聯系電話:18980820575

1、高斯樸素貝葉斯 (GaussianNB)

介紹如何使用sklearn來實現GaussianNB

from 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、多項式樸素貝葉斯 (MultinomialNB/MNB)

隨機生成一組數據，然后使用MultinomialNB算法來學習。

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. 伯努利樸素貝葉斯 (BernoulliNB)

BernoulliNB實現了基于多元伯努利分布的數據的樸素貝葉斯訓練和分類算法

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. 決策樹

決策樹作為十大經典算法之一，能夠很好的處理多分類問題。

決策樹的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)

看完了這篇文章，相信你對Python sklearn中算法的使用方法有了一定的了解，想了解更多相關知識，歡迎關注創新互聯行業資訊頻道，感謝各位的閱讀！

本文標題：Pythonsklearn中算法的使用方法-創新互聯
瀏覽路徑：http://vcdvsql.cn/article0/cdedio.html

成都網站建設公司_創新互聯，為您提供網站導航、App設計、動態網站、手機網站建設、小程序開發、網站排名

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯