机器学习—朴素贝叶斯

朴素贝叶斯算法（Naive Bayesian algorithm) 是应用最为广泛的分类算法之一。

朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。虽然这个简化方式在一定程度上降低了贝叶斯分类算法的分类效果，但是在实际的应用场景中，极大地简化了贝叶斯方法的复杂性。

1.鸢尾花分类问题

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
gnb = GaussianNB()
y_pred = gnb.fit(X_train, y_train).predict(X_test)
acc=sum(y_pred==y_test)/len(y_pred)
print(acc)

2.参考文章

机器学习 | 算法笔记- 朴素贝叶斯（Naive Bayesian）

【创作不易，望点赞收藏，若有疑问，请留言，谢谢】

标签：机器,pred,贝叶斯,算法,train,test,import,朴素
来源： https://www.cnblogs.com/dongxuelove/p/16434216.html