人工智能框架三种贝叶斯分类器的Python实现(基于numpy和pandas,不调sklearn方法)

上传者: 43904427 | 上传时间: 2022-05-04 04:55:43 | 文件大小: 47KB | 文件类型: IPYNB
实现了高斯、多项式、伯努利三种朴素贝叶斯模型,能够处理离散型数据和连续型数据,并提供预测结果概率。对于像鸢尾花这类的连续型数据可以直接采用MyGaussianNB预测。离散型数据采用MyMultinomialNB预测。离散型数据,且特征值只有0,1两种取值情况的采用MyBernoulliNB预测。三种模型都可以通过score方法评估模型准确率,都可以通过predict_proba方法输出预测结果概率。 此外,为了优化和改进模型,使MyMultinomialNB和MyBernoulliNB能够预测连续型数据,还实现了基于numpy和pandas的分箱函数MyDiscretizer以及二值化函数MyBinarizer。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明