0


数学建模学习(69):朴素贝叶斯回归分类,轻松掌握

假设你是产品经理,你想将客户评论分为正面和负面类别。或者作为贷款经理,你想确定哪些贷款申请人是安全的还是有风险的?作为医疗保健分析师,你希望预测哪些患者可能患有糖尿病。所有示例都存在对评论、贷款申请人和患者进行分类的相同问题。

朴素贝叶斯是最直接、最快速的分类算法,适用于大量数据。朴素贝叶斯分类器成功地用于各种应用,例如垃圾邮件过滤、文本分类、情感分析和推荐系统。它使用贝叶斯概率定理来预测未知类。

本篇文章依然以葡萄酒的数据分类为例子,数据与前两篇相同,如需数据,请看前两篇。

一、模块与数据导入

from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
import pandas aspd

df=pd.read_csv('wine.csv')

本文转载自: https://blog.csdn.net/weixin_46211269/article/details/124831287
版权归原作者 川川菜鸟 所有, 如有侵权,请联系我们删除。

“数学建模学习(69):朴素贝叶斯回归分类,轻松掌握”的评论:

还没有评论