最新公告
  • 欢迎您光临站盟网(原知事网),一个优质的网站源码基地、精品网站模板和插件。欢迎加入永久SVIP
  • Python sklearn中的算法如何使用?

    正文概述 知事网   2020-11-15 11:11   563

    本章内容非常适合有些同学想要从事机器人开发的,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)

    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)

    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。


    站盟网 » Python sklearn中的算法如何使用?

    发表评论

    还没有评论,快来抢沙发吧!

    如需帝国cms功能定制以及二次开发请联系我们

    联系作者
    请选择支付方式
    ×
    支付宝支付
    微信支付
    余额支付
    ×
    微信扫码支付 0 元