大数据挖掘—分类—朴素贝叶斯分析_vlambda技术博客

vlambda
2022-04-11

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

"N"为打网球，"P"为不打网球

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

大数据挖掘—分类—朴素贝叶斯分析

朴素贝叶斯分类算法例题

大数据挖掘—分类—朴素贝叶斯分析

python程序实例

# 朴素贝叶斯高斯模型心脏病预测

#（1）导入心脏病数据

import pandas as pd

data = pd.read_csv(filepath)

#（2）数据处理

# 重新洗牌，行互换后，让索引从0开始

data = data.sample(frac=1).reset_index(drop=True)

# 提取目标值target一列

data_target = data['target']

# 提取目标值

data_feature = data.drop('target',axis=1)

# 取出最后10行作为验证集

data_predict_feature = data_feature[-10:] #作为最后预测函数的输入

data_predict_target = data_target[-10:] #用来验证预测输出结果的正确性

# 建模用的特征值和目标值删去最后10行

data_feature = data_feature[:-10] #x数据

data_target = data_target[:-10] #y数据

#（3）划分训练集和测试集

from sklearn.model_selection import train_test_split

x_train,x_test,y_train,y_test = train_test_split(data_feature,data_target,test_size=0.25)

#（4）高斯模型训练

# 导入朴素贝叶斯--高斯模型方法

from sklearn.naive_bayes import GaussianNB

# gauss_nb接收高斯方法

gauss_nb = GaussianNB()

# 模型训练，输入训练集

gauss_nb.fit(x_train,y_train)

# 计算准确率--评分法

gauss_accuracy = gauss_nb.score(x_test,y_test)

# 预测

gauss_result = gauss_nb.predict(data_predict_feature)

print ('准确率：',gauss_accuracy)

print ('预测结果',gauss_result)

数据链接:https://pan.baidu.com/s/1aQ8Dsy0AvlYGHZQQBYgieA

提取码:f51v