sklearn naive_bayes

sklearn naive_bayes

朴素贝叶斯

sklearn.naive_bayes.***NB

ref

sklearn朴素贝叶斯类库使用小结

主要介绍都在这里(2017)

python机器学习小记——基于朴素贝叶斯(Native Bayes,NB)模型的分类预测

原理介绍

note

三种贝叶斯分类算法：

• GaussianNB(高斯朴素贝叶斯)

  sklearn.naive_bayes.GaussianNB(priors=None)
  

  • priors：先验概率，list

  样本特征的分布大部分是连续值

• MultinomialNB(多项式朴素贝叶斯)

  sklearn.naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)
  

  • alpha：浮点型，可选项，默认1.0，添加拉普拉修/Lidstone平滑参数
  • fit_prior：布尔型，可选项，默认True，表示是否学习先验概率，参数为False表示所有类标记具有相同的先验概率
  • class_prior：类似数组，数组大小为(n_classes,)，默认None，类先验概率

  主要用于离散特征分类

  特征不能为负数

• BernoulliNB(伯努利朴素贝叶斯)

  sklearn.naive_bayes.BernoulliNB(alpha=1.0, binarize=0.0, fit_prior=True,class_prior=None)
  

  • binarize：将数据特征二值化的阈值

  主要用于二进制或布尔型特性