简洁大气公司网站,线报网站如何做,wordpress数据库字段,做app网站的软件有哪些贝叶斯分类器是一种概率模型#xff0c;利用贝叶斯公式来解决分类问题。假设样本的特征向量服从一定的概率分布#xff0c;我们就可以计算出该特征向量属于各个类的条件概率。分类结果是条件概率最大的分类结果。如果假设特征向量的每个分量彼此独立#xff0c;则它是朴素贝… 贝叶斯分类器是一种概率模型利用贝叶斯公式来解决分类问题。假设样本的特征向量服从一定的概率分布我们就可以计算出该特征向量属于各个类的条件概率。分类结果是条件概率最大的分类结果。如果假设特征向量的每个分量彼此独立则它是朴素贝叶斯分类器。如果假设特征向量服从多维正态分布则它是正态贝叶斯分类器。 一、原理 贝叶斯公式Bayes theorem 贝叶斯决策 朴素贝叶斯分类器 朴素贝叶斯分类器特征向量为离散型随机变量 拉普拉斯平滑 朴素贝叶斯分类器特征向量为连续型随机变量 ln函数的性质 朴素贝叶斯分类器特征向量为连续型随机变量对于二分类问题正态贝叶斯分类器 协方差朴素贝叶斯 协方差朴素贝叶斯的训练过程 协方差朴素贝叶斯的预测算法 二、示例程序 Scikit-learn中提供了多种朴素贝叶斯分类器其中包括高斯朴素贝叶斯Gaussian Naive Bayes分类器。然而对于鸢尾花数据集由于其特征是连续型的因此通常使用的是高斯朴素贝叶斯分类器。 以下是在Scikit-learn中使用高斯朴素贝叶斯分类器对鸢尾花数据集进行分类的示例 # 导入必要的模块
import numpy as np # 导入NumPy库并将其命名为np这是一个用于科学计算的库提供了多维数组和数学函数的支持
import matplotlib.pyplot as plt # 导入Matplotlib库的pyplot模块并将其命名为plt用于创建静态、交互式和动画图表的绘图库。
from sklearn import datasets # 从Scikit-learn库中导入datasets模块该模块包含了一些标准的数据集包括机器学习领域常用的一些数据集
from sklearn.naive_bayes import GaussianNB # 从Scikit-learn库中导入朴素贝叶斯分类器的高斯朴素贝叶斯模型。
import matplotlib # 导入Matplotlib库这是一个用于绘制图表的广泛使用的库。
%matplotlib inline # 一个Jupyter Notebook魔术命令用于在Notebook中嵌入Matplotlib图形并在代码执行后直接在Notebook中显示图形# 定义生成测试样本点的函数
def make_meshgrid(x, y, h.02):# 计算x、y的最小值和最大值x_min, x_max x.min() - 1, x.max() 1y_min, y_max y.min() - 1, y.max() 1# 生成均匀网格xx, yy np.meshgrid(np.arange(x_min, x_max, h),np.arange(y_min, y_max, h))# 返回网格坐标return xx, yy# 定义预测测试样本并显示的函数
def plot_test_results(ax, clf, xx, yy, **params):# 对测试样本进行预测 xx.ravel() 和 yy.ravel() 用于将二维的坐标网格# 矩阵展平为一维数组。这是因为 clf.predict() 方法接受一维数组形式的输入Z clf.predict(np.c_[xx.ravel(), yy.ravel()])# 将预测结果转换为网格图像Z Z.reshape(xx.shape)#返回坐标网格 xx 的形状即一个包含行数和列数的元组。# 在网格图像上绘制等高线ax.contourf(xx, yy, Z, **params)# 载入iris数据集
iris datasets.load_iris()
# 只使用前面两个特征 即鸢尾花数据集的萼片长度和萼片宽度。
X iris.data[:, :2]#选择所有行即所有样本和前两列的数据
# 样本标签值
y iris.target# 创建并训练正态朴素贝叶斯分类器
clf GaussianNB()
clf.fit(X,y)# 图形标题
title (GaussianBayesClassifier)# 创建图形 fig 是整个图形对象而 ax 是包含的子图对象 子图的大小为 (5, 5)
fig, ax plt.subplots(figsize (5, 5))
# 调整子图布局 0.4 表示子图之间的宽度/高度间距为整个子图宽度/高度的 0.4 倍
plt.subplots_adjust(wspace0.4, hspace0.4)# 获取第0、1个特征的值
X0, X1 X[:, 0], X[:, 1]# 生成测试样本点
xx, yy make_meshgrid(X0, X1)# 显示测试样本的分类结果
plot_test_results(ax, clf, xx, yy, cmapplt.cm.coolwarm, alpha0.8)#绘制散点图 显示训练样本
# X0 和 X1 分别是训练样本的前两个特征变量
# cy 指定了散点的颜色使用了目标标签 y 中的类别信息。不同的类别用不同的颜色表示。
# cmapplt.cm.coolwarm 指定了颜色映射用于将类别映射到具体的颜色。
# s20 设置了散点的大小为 20。
#edgecolorsk 设置了散点的边缘颜色为黑色 (k 表示黑色)。
ax.scatter(X0, X1, cy, cmapplt.cm.coolwarm, s20, edgecolorsk)# 设置图形属性
ax.set_xlim(xx.min(), xx.max())
ax.set_ylim(yy.min(), yy.max())
ax.set_xlabel(x1)
ax.set_ylabel(x2)
ax.set_xticks(())# 将 x 轴的刻度标签设为空
ax.set_yticks(())
ax.set_title(title)# 显示图形
plt.show() 三、贝叶斯分类器的应用 参考网址:https://programmer.group/principle-of-machine-learning-bayesian-classifier-and-its-sklearn-implementation.html Principle of machine learning Bayesian classifier and its sklearn implementation --- 机器学习贝叶斯分类器原理及其sklearn实现 (programmer.group) https://zhuanlan.zhihu.com/p/25462307 OpenCV机器学习——朴素贝叶斯NBC - 知乎 (zhihu.com) https://blog.csdn.net/qinzhongyuan/article/details/106434854 鸢尾花(Iris)数据集_iris数据集-CSDN博客 https://zhuanlan.zhihu.com/p/480326305 数据集 |鸢尾花数据集 - 知乎 (zhihu.com) The End
