小编给大家分享一下Python sklearn中算法的使用方法，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！
创新互联于2013年开始，是专业互联网技术服务公司，拥有项目网站设计制作、
成都做网站网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元定襄做网站,已为上家服务,为定襄各地企业和个人服务,联系电话:18980820575
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))
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)
看完了这篇文章，相信你对Python sklearn中算法的使用方法有了一定的了解，想了解更多相关知识，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
网站标题：Pythonsklearn中算法的使用方法-创新互联
转载源于：
http://cdkjz.cn/article/cdedio.html
