python

导航

Pythonsklearn中的算法如何使用?

来源 :中华考试网 2020-11-14

  本章内容非常适合有些同学想要从事机器人开发的,我们在正式开始学习之前,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)

  介绍如何使用sklearn来实现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)

  随机生成一组数据,然后使用MultinomialNB算法来学习。

  import numpy as np

  X = np.random.randint(50, size=(1000, 100))

  y = np.random.randint(6, size=(1000))

  填写下面表单即可预约申请免费试听java课程!害怕学不会?助教全程陪读,随时解惑!担心就业?一地学习,可全国推荐就业!

  from sklearn.naive_bayes import MultinomialNB

  clf = MultinomialNB()

  clf.fit(X, y)

  print(clf.predict(X[2:3]))

  3. 伯努利朴素贝叶斯 (BernoulliNB)

  BernoulliNB实现了基于多元伯努利分布的数据的朴素贝叶斯训练和分类算法

  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. 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~

分享到

相关资讯