Python sklearn中的算法如何使用?
2023-03-20 15:36:13 时间
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)
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)
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. 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~如果大家还想了解更多的机器人学习知识,可以到python学习网上下载了解。
相关文章
- PostgreSQL的几种分布式架构对比
- 企业如何避免陷入数据沼泽,这是一份操作指南
- 在Linux上检查MySQL/MariaDB数据库正常运行时间的三种方法
- 从Linux命令行直接执行MySQL/MariaDB查询
- Linux下 Redis集群搭建详解(主从+哨兵)
- RabbitMQ简介以及使用场景
- 不懂Redis Cluster原理,我被同事diss了!
- 不要再问了,数据库不建议上Docker
- 如何建立有效的流数据架构
- 亿级搜索系统的基石,如何保障实时数据质量?
- MariaDB之Spider存储引擎实践详解
- 企业知识图谱面临的机遇、挑战及解决方案
- 1.3万亿条数据查询如何做到毫秒级响应?
- Linux运维需要知道的Redis经验
- 找对“关系”后,办事果然轻松了!
- 企业面临哪些数据湖管理挑战?
- DNS自述:我是如何为域名找到家的
- 一段网上找的代码突然爆了,项目出现大Bug!
- 十个 Linux 新手管理员易犯错误
- 借Redis Cluster集群,聊一聊集群中数据分布算法