sklearn GaussianNB(高斯朴素贝叶斯)模型使用RandomSearchCV获取最优参数及可视化
Posted Data+Science+Insight
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了sklearn GaussianNB(高斯朴素贝叶斯)模型使用RandomSearchCV获取最优参数及可视化相关的知识,希望对你有一定的参考价值。
sklearn GaussianNB(高斯朴素贝叶斯)模型使用RandomSearchCV获取最优参数及可视化
GaussianNB是高斯贝叶斯分类器,它假设特征的条件分布概率满足高斯分布,其原型为:
sklearn.naive_bayes.GaussianNB
GaussianNB没有参数,所以不需要调参。
但是:
param_dict = dict(
priors=[[0.68,0.32],[0.7,0.3],[0.8,0.2]],
var_smoothing = [1e-9,1e-8,1e-7],
)
依旧是可以进行设置的。
以上是关于sklearn GaussianNB(高斯朴素贝叶斯)模型使用RandomSearchCV获取最优参数及可视化的主要内容,如果未能解决你的问题,请参考以下文章