sklearn-AdaBoost

[toc]
朴素贝叶斯三种实现形式

高斯型

class sklearn.naive_bayes.GaussianNB()

无输入参数

属性

class_prior_数组形式 存放训练集数据中各个类别的概率
class_count_数组形式 存放训练集数据中各个类别包含的训练样本数目
theta_ 各个类别上各个特征的均值$\mu_{k}$
sigma_各个类别上各个特征的标准差$\sigma_{k}$

方法

fit(X_train,y_train)
partial_fit(X_train,y_train)若训练集数目很大，可以划分很多小数据集进行训练
score(X_test,y_test)返回模型的预测准确率
predict(X)
predict_proba(X)返回一个数组，各个元素为预测集属于各个类别的概率
predict_log_proba(X) 对数概率

多项式型

class sklearn.naive_bayes.MultinominalNB(alpha=0.01,fit_prior=True)

参数

alpha 平滑因子
fit_prior是否计算$P(Y=c_{k})$,默认为True,表示不计算，使用均匀分布代替

属性

class_count_ 数组形式，存放训练集数据中各个类别包含的训练样本数目
feature_count_数组形式，存放训练集数据中各个特征包含的训练样本数目

方法

参考Gaussian型

伯努利型

class sklearn.naive_bayes.BernoulliNB(alpha=0.01,binarize=0.0,fit_prior=True)

参数

alpha 指定平滑因子的值
binarize 阈值，大于它的编码为1，小于它编码为0，实现数据集的二值化，为None时，假定已经二值化
fit_prior 参考多项式型

属性

参考多形式型

方法

参考高斯型

###　中文文本分类项目

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 jaytp@qq.com