[关闭]
@Pigmon 2017-04-01T14:25:36.000000Z 字数 703 阅读 82

SKLearn 最简单例子

教案


  1. # -*- coding: utf-8 -*-
  2. """
  3. Created on Sat Apr 01 20:01:35 2017
  4. @author: Yuan Sheng
  5. 以朴素贝叶斯分类器为例的一个最简单的SKLearn示例程序。
  6. 关键步骤:
  7. 1. 指定要使用的机器学习算法,如本例的model = GaussianNB()
  8. 2. 训练,如本例的 model.fit(X, y)
  9. 3. 测试,如本例的 model.predict(T)
  10. 几乎所有SKLearn的程序的主要部分都是这3个步骤!
  11. """
  12. import numpy as np
  13. from sklearn.naive_bayes import GaussianNB
  14. # 训练集,特征列表,格式 numpy.array([[x1, x2], [x1, x2]...])
  15. X = np.array([[1., 1.], [3., 3.], [3., 4.]])
  16. # 训练集,人工标注分类标签,与上面的特征一一对应,格式 numpy.array([class1, class2,...])
  17. y = np.array([-1, 1, 1])
  18. # 测试集,格式 numpy.array([[x1, x2], [x1, x2]...])
  19. T = np.array([[5., 5.], [0, 0], [4, 3]])
  20. # 定义分类器的类型为朴素贝叶斯分类器中的高斯朴素贝叶斯(NB是Naive Bayes的缩写,这里不是在夸奖高斯)
  21. model = GaussianNB()
  22. # 将训练集,分类标导入分类器进行训练
  23. model.fit(X, y)
  24. # 将测试集导入,并返回分类结果给变量 predicted
  25. predicted = model.predict(T)
  26. print(predicted) # 输出 [ 1 -1 1]
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注