更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html

scikit-learn库之朴素贝叶斯

在scikit-learn库中朴素贝叶斯由于数据分布的不同，主要分为以下三种BernoulliNB、GaussianNB和MultinomialNB，先验分布分别对应伯努利分布、高斯分布和多项式分布。

接下来将会讨论这三者的区别，由于MUltinomiallNB用的比较多，因此会细讲该模型。由于是从官方文档翻译而来，翻译会略有偏颇，有兴趣的也可以去scikit-learn官方文档查看https://scikit-learn.org/stable/modules/classes.html#module-sklearn.naive_bayes

一、MultinomialNB

1.1 使用场景

Bernoulli分布一般应用于样本特征是二元离散值，或者是很稀疏的多元离散值的场景。

1.2 代码

import numpy as np

X = np.random.randint(5, size=(6, 100))

y = np.array([1, 2, 3, 4, 5, 6])

from sklearn.naive_bayes import MultinomialNB

clf = MultinomialNB()

clf.fit(X, y)

MultinomialNB(alpha=1.0, class_prior=None, fit_prior=True)

print(clf.predict(X[2:3]))

[3]

1.3 参数详解

alpha：超参数，float类型。建议使用默认值，如果真的需要调优时也尽量选择稍大于或稍小于1的数。默认为1。
fit_prior：先验概率选择，bool类型。fit_prior=True，所有样本类别输出的先验概率是不同的；fit_prior=False，所有样本类别输出的先验概率是相同的。默认为True。
class_prior：先验概率，array-like类型。只有fit_prior=True时才选择该参数，该参数可以自己填写各个类别的先验概率，也可以不填写让模型自动计算各个类别的先验概率。默认为None。

1.4 属性

class_log_prior_：每个类别对应的对数概率。
intercept_：将多项式朴素贝叶斯模型作为线性模型时的class_log_prior_镜像的截距。
feature_log_prob_：给定样本某个特征的的概率，如\(p(x_i|y)\)。
coef_：将多项式朴素贝叶斯模型作为线性模型时的feature_log_prob_镜像的系数。
class_count_：每个类在拟合过程中遇到的样本数量，这个值由fit()中的sample_weigth加权得到。
feature_count_：每个特征在拟合过程中遇到的样本数量，这个值由fit()中的sample_weigth加权得到。

1.5 方法

fit(X,y)：把数据放入模型中训练模型。
get_params([deep])：返回模型的参数，可以用于Pipeline中。
partial_fit(X, y[, classes, sample_weight])：把数据集切割成多份进行增量训练，尤其适合大数据集，其中sample_weight可以控制训练集中样本的权重。
predict(X)：预测样本X的分类类别。
predict_lot_proba(X)：返回样本X在各个类别上对应的对数概率。
predict_proba(X)：返回样本X在各个类别上对应的概率。
score(X,y[,sample_weight])：基于报告决定系数\(R^2\)评估模型。
set_prams(**params)：创建模型参数。

二、GaussianNB

GaussianNB模型类似于MultinomiaNB模型，两者区别之处在于，前者更适合解决特征值为连续值，而后者更适合解决特征值为多元离散值的情况。

三、Bernoulli

Bernoulli模型类似于MultinomiaNB模型，两者区别之处在于，前者更适合解决特征值为二元离散值或稀疏的多元离散值，而后者更适合解决特征值为多元离散值的情况，并且Bernoulli模型多了一个参数binarize，该参数不设置则默认特征已经被二值化处理，反之模型将自动二值化处理特征。

朴素贝叶斯

02-28 scikit-learn库之线朴素贝叶斯