sklearn中的朴素贝叶斯模型及其应用

使用朴素贝叶斯模型对iris数据集进行花分类

1.使用高斯分布型对iris数据集进行花分类

from sklearn.datasets import load_iris
iris = load_iris()

from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()  # 建立模型
pred = gnb.fit(iris.data,iris.target)  # 模型训练
y_pred = gnb.predict(iris.data)  # 分类预测

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

2.使用多项式型对iris数据集进行花分类

from sklearn.datasets import load_iris
iris = load_iris()

from sklearn.naive_bayes import MultinomialNB
gnb = MultinomialNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)

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

 

3.使用伯努利型对iris数据集进行花分类

from sklearn.datasets import load_iris
iris = load_iris()
from sklearn.naive_bayes import BernoulliNB
gnb = BernoulliNB()
pred = gnb.fit(iris.data,iris.target)
y_pred = pred.predict(iris.data)

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

 

 

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

1.高斯分布型

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())

2.多项式型

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())

3.伯努利型

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

import csv
file_path=r'I:\python\SMSSpamCollectionjsn.txt'
sms=open(file_path,'r',encoding='utf-8')
sms_data=[]
sms_label=[]
csv_reader=csv.reader(sms,delimiter='\t')
for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(line[1])
sms.close()
print("邮件总数:",len(sms_label))
print(sms_label)
print(sms_data)