原标题:sklearn贝叶斯分类器的案例
原文来自:CSDN 原文链接:https://blog.csdn.net/qq_41672008/article/details/103417473
贝叶斯分类器
贝叶斯分类器的原理比较简单,可以自己去百度了解原理,这篇文章就是讲一讲贝叶斯分类器的实际应用案例
案例:研究期末考试前一周的行为(假设有三种:1.打游戏 2.逛街 3.学习)对于期末开考试的影响(就是是否挂科)
首先要有一个样本库,没办法,只能自己去创建了,我们就按照这个形式来创建样本库,形式如下:
data = [[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[0, 0, 1],
[1, 0, 0],
[0, 1, 0],
[1, 1, 0],
[1, 1, 0],
[1, 1, 0],
[1, 0, 1],
[1, 0, 1],
[1, 0, 1],
[0, 1, 1],
[0, 1, 0],
[0, 1, 1],
[1, 1, 1],
[1, 1, 1],
[1, 0, 1],
[1, 1, 0],
[1, 1, 0],
[0, 1, 1],
[1, 1, 0]]
target = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1]
from sklearn.naive_bayes import MultinomialNB
mlt = MultinomialNB() # 引入多项式类型
pred = mlt.fit(data, target) # 对模型进行训练
训练模型之后可以进行测试了,假设我没有打游戏,也没有逛街,而是学习了,那么期末考试会不会挂科?
因为数据特征的顺序是 打游戏,逛街,学习,因此我不打游戏,也不逛街,而是学习对于的特征值就是 [0, 0, 1]
y_pred = pred.predict([[0, 0, 1]]) # 因为数据特征的顺序是 打游戏,逛街,学习,因此我不打游戏,也不逛街,而是学习对于的特征值就是 [0, 0, 1]
print(y_pred)
/usr/local/bin/python3.8 /Users/sataniya/PycharmProjects/demo/demo.py[0]
Process finished with exit code
y_pred = pred.predict([[1, 1, 0]])
print(y_pred)
/usr/local/bin/python3.8 /Users/sataniya/PycharmProjects/demo/demo.py[1]
Process finished with exit code
结果是 1,因此会挂科
所以大家还是好好学习吧(手动狗头)
免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。
合作及投稿邮箱:E-mail:editor@tusaishared.com