统计学习方法朴素贝叶斯对鸢尾花(iris)数据集进行训练预测

Posted 2021-10-02 征途黯然.

本文摘要 · 理论来源：【统计学习方法】第三四章 朴素贝叶斯
· 技术支持：pandas(读csv)、numpy、sklearn.naive_bayes.GaussianNB(高斯朴素贝叶斯模型)、sklearn.model_selection.cross_val_score(用于进行k折交叉验证)
· 代码目的：利用sklearn提供的高斯贝叶斯模型，对鸢尾花数据集进行学习+预测
作者：CSDN 征途黯然.

  

1、建议去了解一下，高斯、伯努利、多项式的朴素贝叶斯
2、突然间觉得sklearn很香，不想手撸模型了……

一、鸢尾花(iris)数据集

  Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。
下载地址：点击此处

二、代码描述

  1、首先，导入鸢尾花数据集

  2、然后，数据预处理，数据集分成特征集和标签集

  3、最后，实例化高斯贝叶斯模型，进行k折交叉检验，查看准确率

三、python代码（注释详细）

import pandas as pd
import numpy as np
from sklearn.naive_bayes import GaussianNB  #导入模型
from sklearn.model_selection import cross_val_score


# 导入数据集
df = pd.read_csv('./iris/Iris.csv', usecols=[1, 2, 3, 4, 5])

# pandas打印表格信息
# print(df.info())

# pandas查看数据集的头5条记录
# print(df.head())

"""数据预处理"""
# 取前100条数据中的：前4个特征+标签，便于训练
data = np.array(df.iloc[:150, [0, 1, 2, 3, -1]])
# 数据类型转换，为了后面的数学计算
X, y = data[:, :-1], data[:, -1]
# 标签不需要是数字，字符串并不影响
# y = np.array([1 if i == 'Iris-setosa' else -1 for i in y])


"""调用sklearn提供的kNN算法"""
clf = GaussianNB()

print(cross_val_score(clf, X, y, cv=5))