11.22作业

1.使用朴素贝叶斯模型对iris数据集进行花分类

尝试使用3种不同类型的朴素贝叶斯：

高斯分布型

多项式型

伯努利型

from sklearn.datasets import load_iris    
iris = load_iris()
from sklearn.naive_bayes import GaussianNB      #高斯模型
iris.data[55]
iris.target[55]

gnb = GaussianNB()    #模型
pred = gnb.fit(iris.data,iris.target)    #训练
y_pred = pred.predict(iris.data)    #分类

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

from sklearn.datasets import load_iris    
iris = load_iris()
from sklearn.naive_bayes import BernoulliNB    #伯努利模型
iris.data[55]
iris.target[55]

gnb = BernoulliNB()    #模型
pred = gnb.fit(iris.data,iris.target)    #训练
y_pred = pred.predict(iris.data)    #分类

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

from sklearn.datasets import load_iris    
iris = load_iris()
from sklearn.naive_bayes import MultinomialNB   #多项式模型
iris.data[55]
iris.target[55]

gnb = MultinomialNB()    #模型
pred = gnb.fit(iris.data,iris.target)    #训练
y_pred = pred.predict(iris.data)    #分类

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

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

from sklearn.naive_bayes import GaussianNB 
from sklearn.model_selection import cross_val_score   #高斯交叉验证
gnb = GaussianNB ()
scores = cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())  

from sklearn.naive_bayes import BernoulliNB 
from sklearn.model_selection import cross_val_score     #伯努利交叉验证
gnb = BernoulliNB ()
scores = cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())

from sklearn.naive_bayes import MultinomialNB 
from sklearn.model_selection import cross_val_score     #多项式交叉验证
gnb = MultinomialNB()
scores = cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy:%.3f"%scores.mean())