zoukankan      html  css  js  c++  java
  • 机器学习-分类算法-精确率和召回率08

    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    from sklearn.datasets import fetch_20newsgroups
    from sklearn.model_selection import train_test_split
    from sklearn.feature_extraction.text import TfidfVectorizer
    from sklearn.naive_bayes import MultinomialNB
    from sklearn.metrics import classification_report
    
    
    def naviebayes():
        # 准备数据
        news = fetch_20newsgroups(subset="all")
        print(news.data)
        print(news.target)
        # 数据分割
        x_train,x_test,y_train,y_test = train_test_split(news.data,news.target,test_size=0.25)
        # 对数据集进行特征抽取
        tf = TfidfVectorizer()
        # 以训练集当中的词的列表进行每篇文章的重要性统计
        x_train = tf.fit_transform(x_train)
        print(tf.get_feature_names())
        x_test = tf.transform(x_test)
    
        # 进行朴素贝叶斯算法的预测
        mlt = MultinomialNB(alpha=1.0)
        print(x_train.toarray())
        mlt.fit(x_train,y_train)
        y_predict= mlt.predict(x_test)
        print("预测的文章类别为:",y_predict)
        # 得出准确率
        print("准确率:",mlt.score(x_test,y_test))
        print("每个类别的精确率和召回率:",classification_report(y_test,y_predict,target_names=news.target_names))
        return None
    
    
    if __name__=="__main__":
        naviebayes()
    

    在这里插入图片描述

  • 相关阅读:
    微信mac版的bug 直接显示了消息原始数据
    提一下InfoQ
    成长
    SaaS产品成功学
    .io域名在申请SSL证书时被坑
    一件小事
    Git做代码增量发布的重要用法
    今天
    为什么都不写博
    惑不惑
  • 原文地址:https://www.cnblogs.com/gemoumou/p/14186290.html
Copyright © 2011-2022 走看看