多项式朴素贝叶斯【机器学习算法一朴素贝叶斯4】

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了多项式朴素贝叶斯【机器学习算法一朴素贝叶斯4】，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1281字，纯文字阅读大概需要2分钟。

内容图文

import numpy as np
from sklearn.naive_bayes import MultinomialNB
#导入数据集生成工具
from sklearn.datasets import make_blobs
#导入数据集拆分工具
from sklearn.model_selection import train_test_split
X,y=make_blobs(n_samples=500,centers=5,random_state=8)
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=8)

#导入数据预处理工具
from sklearn.preprocessing import MinMaxScaler
scaler=MinMaxScaler()
scaler.fit(X_train)
X_train_scaled=scaler.transform(X_train)
X_test_scaled=scaler.transform(X_test)

mnb=MultinomialNB()
mnb.fit(X_train_scaled,y_train)
print('模型得分：{:.3f}'.format(mnb.score(X_test_scaled, y_test)))

#导入画图工具
import matplotlib.pyplot as plt
#限定坐标轴范围，X共两列
x_min,x_max=X[:,0].min()-0.5,X[:,0].max()+0.5
y_min,y_max=X[:,1].min()-0.5,X[:,1].max()+0.5
#使用不同的背景色表示不同的分类
xx,yy = np.meshgrid(np.arange(x_min, x_max,.02),np.arange(y_min, y_max, .02))
z = mnb.predict(np.c_[(xx.ravel(),yy.ravel())]).reshape(xx.shape)
plt.pcolormesh(xx,yy,z,cmap=plt.cm.Pastel1)
plt.scatter(X_train[:,0],X_train[:,1],c=y_train,cmap=plt.cm.cool,edgecolor='k')
plt.scatter(X_test[:,0],X_test[:,1],c=y_test,cmap=plt.cm.cool,marker='*',edgecolor='k')
plt.xlim(xx.min(),xx.max())
plt.ylim(yy.min(),yy.max())
plt.title('Classifier: MultinomialNB')
plt.show()

内容总结

以上是互联网集市为您收集整理的多项式朴素贝叶斯【机器学习算法一朴素贝叶斯4】全部内容，希望文章能够帮你解决多项式朴素贝叶斯【机器学习算法一朴素贝叶斯4】所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---