Python sklearn如何使用算法

868次阅读
没有评论
Python

Python sklearn如何使用算法?我们一定是先对基础的内容进行了解,包括函数,方法,语法等等,当然还有我们本章要让大家接触的算法,重要的,也是经常会在机器上面遇到的sklearn算法,肯定有很多人不了解吧,那就一起来看下吧~

1、高斯朴素贝叶斯 (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、多项式朴素贝叶斯 (MultinomialNB/MNB)

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. 决策树

决策树作为十大经典算法之一,能够很好的处理多分类问题。

决策树的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)

好啦,以上就是关于sklearn里面的算法使用了哦~大家如果想了解机器人学习的可以多多看下哦~如果大家还想了解更多的机器人学习知识,可以到python学习网上下载了解。

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:wuyou2021-05-29发表,共计1100字。
新手QQ群:570568346,欢迎进群讨论 Python51学习