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

sklearn-朴素贝叶斯

使用sklearn进行高斯朴素贝叶斯分类的数据类型,如何清理数据[重复]

sklearn中的朴素贝叶斯模型及其应用

sklearn中的朴素贝叶斯模型及其应用

sklearn中的朴素贝叶斯模型及其应用

来自 .csv 的 Sklearn 朴素贝叶斯 GaussianNB