本文主要是介绍Scikit-learn——Naive Bayes，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本文主要介绍sklearn中关于朴素贝叶斯模型的用法,其中主要包含以下两类模型:
- 离散型:所有维度的特征都是离散型的随机变量
- 连续型:所有维度的特征都是连续型的随机变量
1.sklearn.naive_bayes.MultinomialNB
多项式朴素贝叶斯(Multinomial Naive Bayes),即所有特征都是离散型的随机变量(例如在做文本分类时所使用的词向量就是离散型的).在sklearn中,这个方法的名称为MultinaomialNB.其相关信息如下:
| 参数表 | 含义 |
|---|---|
| alpha | 平滑项;浮点型,默认值为1,即拉普拉斯平滑 |
| fit_prior | 是否学习先验概率;布尔型,默认值为True.若为false,将使用均匀分布作为先验概率 |
| class_prior | 指定先验概率;默认为不指定 |
注:在sklearn中,计算先验概率时并没有加入平滑项
| 属性表 | 含义 |
|---|---|
| class_log_prior_ | 先验概率取自然对数 |
| class_count_ |
这篇关于Scikit-learn——Naive Bayes的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
