sklearn.naive_bayes

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Sat Aug  5 12:07:15 2017@author: luogan"""#高斯朴素贝叶斯  import numpy as np  X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])  Y = np.array([1, 2, 3, 4, 5, 6])  from sklearn.naive_bayes import GaussianNB  clf = GaussianNB().fit(X, Y)  print (clf.predict([[-0.8,-1]])  )''''' partial_fit说明：增量的训练一批样本 这种方法被称为连续几次在不同的数据集，从而实现核心和在线学习，这是特别有用的，当数据集很大的时候，不适合在内存中运算 该方法具有一定的性能和数值稳定性的开销，因此最好是作用在尽可能大的数据块（只要符合内存的预算开销） '''  clf_pf = GaussianNB().partial_fit(X, Y, np.unique(Y))  print( clf_pf.predict([[2,-1]])  )#多项式分布import numpy as npX = np.random.randint(5, size=(6, 100))y = np.array([1, 2, 3, 4, 5, 6])from sklearn.naive_bayes import MultinomialNBclf = MultinomialNB().fit(X, y)print (clf.predict(X[2:3]))#伯努利分布import numpy as npX = np.random.randint(2, size=(6, 100))Y = np.array([1, 2, 3, 4, 4, 5])from sklearn.naive_bayes import BernoulliNBclf = BernoulliNB()clf.fit(X, Y)BernoulliNB(alpha=1.0, binarize=0.0, class_prior=None, fit_prior=True)print(clf.predict(X[2:3]))

原文链接