zoukankan      html  css  js  c++  java
  • 吴裕雄 python 机器学习——多项式贝叶斯分类器MultinomialNB模型

    import numpy as np
    import  matplotlib.pyplot as plt
    
    from sklearn import datasets,naive_bayes
    from sklearn.model_selection import train_test_split
    
    # 加载 scikit-learn 自带的 digits 数据集
    def load_data():
        '''
        加载用于分类问题的数据集。这里使用 scikit-learn 自带的 digits 数据集
        '''
        digits=datasets.load_digits()
        return train_test_split(digits.data,digits.target,test_size=0.25,random_state=0,stratify=digits.target)
    
    #多项式贝叶斯分类器MultinomialNB模型
    def test_MultinomialNB(*data):
        X_train,X_test,y_train,y_test=data
        cls=naive_bayes.MultinomialNB()
        cls.fit(X_train,y_train)
        print('Training Score: %.2f' % cls.score(X_train,y_train))
        print('Testing Score: %.2f' % cls.score(X_test, y_test))
        
    # 产生用于分类问题的数据集
    X_train,X_test,y_train,y_test=load_data()
    # 调用 test_GaussianNB    
    test_MultinomialNB(X_train,X_test,y_train,y_test)

    def test_MultinomialNB_alpha(*data):
        '''
        测试 MultinomialNB 的预测性能随 alpha 参数的影响
        '''
        X_train,X_test,y_train,y_test=data
        alphas=np.logspace(-2,5,num=200)
        train_scores=[]
        test_scores=[]
        for alpha in alphas:
            cls=naive_bayes.MultinomialNB(alpha=alpha)
            cls.fit(X_train,y_train)
            train_scores.append(cls.score(X_train,y_train))
            test_scores.append(cls.score(X_test, y_test))
    
        ## 绘图
        fig=plt.figure()
        ax=fig.add_subplot(1,1,1)
        ax.plot(alphas,train_scores,label="Training Score")
        ax.plot(alphas,test_scores,label="Testing Score")
        ax.set_xlabel(r"$alpha$")
        ax.set_ylabel("score")
        ax.set_ylim(0,1.0)
        ax.set_title("MultinomialNB")
        ax.set_xscale("log")
        plt.show()
        
    # 调用 test_MultinomialNB_alpha    
    test_MultinomialNB_alpha(X_train,X_test,y_train,y_test)

  • 相关阅读:
    课堂作业
    Visual Studio Code for mac 设置中文
    git分支与主干合并操作
    git常用命令
    js事件冒泡和事件委托
    JS中的三种弹出式消息提醒(警告窗口、确认窗口、信息输入窗口)的命令是什么?
    常见的解决浏览器兼容性问题的方式有哪些
    vue问题大全
    浅析前端工程化
    前端中常见的数据结构小结
  • 原文地址:https://www.cnblogs.com/tszr/p/10794136.html
Copyright © 2011-2022 走看看