• sklearn中的朴素贝叶斯模型及其应用


    1.使用朴素贝叶斯模型对iris数据集进行花分类

    尝试使用3种不同类型的朴素贝叶斯:

    高斯分布型

    from sklearn import datasets
    iris = datasets.load_iris()

    from sklearn.naive_bayes import GaussianNB
    gnb = GaussianNB()#建立模型
    pred = gnb.fit(iris.data,iris.target) #拟合模型
    y_pred = pred.predict(iris.data) #数据预处理

    print(iris.data.shape[0],(iris.target != y_pred).sum())

    多项式型

    from sklearn import datasets
    iris = datasets.load_iris()

    from sklearn.naive_bayes import MultinomialNB
    gnb = MultinomialNB()#建立模型
    pred = gnb.fit(iris.data,iris.target) #拟合模型
    y_pred = pred.predict(iris.data) #数据预处理

    print(iris.data.shape[0],(iris.target != y_pred).sum())

    伯努利型

    from sklearn import datasets
    iris = datasets.load_iris()

    from sklearn.naive_bayes import BernoulliNB
    gnb = BernoulliNB()#建立模型
    pred = gnb.fit(iris.data,iris.target) #拟合模型
    y_pred = pred.predict(iris.data) #数据预处理

    print(iris.data.shape[0],(iris.target != y_pred).sum())

    2.使用sklearn.model_selection.cross_val_score(),对模型进行验证。

    from sklearn.naive_bayes import GaussianNB
    from sklearn.model_selection import cross_val_score
    gnb = GaussianNB()
    scores = cross_val_score(gnb,iris.data,iris.target,cv = 10)
    print("Accuracy:%.3f"%scores.mean())

    from sklearn.naive_bayes import MultinomialNB
    from sklearn.model_selection import cross_val_score
    gnb = MultinomialNB()
    scores = cross_val_score(gnb,iris.data,iris.target,cv = 10)
    print("Accuracy:%.3f"%scores.mean())

    from sklearn.naive_bayes import BernoulliNB
    from sklearn.model_selection import cross_val_score
    gnb = BernoulliNB()
    scores = cross_val_score(gnb,iris.data,iris.target,cv = 10)
    print("Accuracy:%.3f"%scores.mean())

     

    3. 垃圾邮件分类

    数据准备:

    • 用csv读取邮件数据,分解出邮件类别及邮件内容。
    • 对邮件内容进行预处理:去掉长度小于3的词,去掉没有语义的词等

    尝试使用nltk库:

    pip install nltk

    import nltk

    nltk.download

    不成功:就使用词频统计的处理方法

    训练集和测试集数据划分

    • from sklearn.model_selection import train_test_split

     import csv
    file_path = r'F:SMSSpamCollectionjs.txt'
    sms = open(file_path,'r',encoding = 'utf-8')
    sms_data = []
    sms_label = []
    csv_reader = csv.reader(sms,delimiter = ' ') #用csv读取邮件数据
    for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(line[1])
    #sms_data.append(preprocessing(line[1]))
    sms.close()
    print(len(sms_label))
    sms_label

    from sklearn.model_selection import train_test_split
    x_train,x_test,y_train,y_test = train_test_split(sms_data,sms_label,test_size=0.3,random_state=0,stratify=sms_label)


    from sklearn.feature_extraction.text import TfidfVectorizer
    vectorizer = TfidfVectorizer(min_df = 2,ngram_range=(1,2),stop_words='english',strip_accents='unicode',norm='l2')
    x_train = vectorizer.fit_transform(x_train)
    x_test = vectorizer.transform(x_test)

    
    
    
  • 相关阅读:
    建立连接数据库时要输入哪些信息?
    如何建立一个JDBC程序?
    如何在网上找MySQL数据库的JDBC驱动jar包?
    gorm连接mysql数据库
    Django ORM的骚操作
    Python 发送企业微信单发和群发机器人
    python获取指定间隔日期列表
    表名小写_set.all()再根据字段过滤
    foreignkey相关的参数
    Django 模型层-多表操作
  • 原文地址:https://www.cnblogs.com/SJMHJ/p/9999234.html
Copyright © 2020-2023  润新知