机器学习之用Python从零实现贝叶斯分类器

'A':[(1, 0.5)], 'B':[(20, 5.0)]}

inputVector = [1.1, '?']

result = predict(summaries, inputVector)

print('Prediction: {0}').format(result)

运行测试，你会获得如下结不雅：

Prediction: A

多重猜测

def getPredictions(summaries, testSet): 
 
    predictions = [] 
 
    for i in range(len(testSet)): 
 
        result = predict(summaries, testSet[i]) 
 
        predictions.append(result) 
 
    return predictions

测试getPredictions()函数如下。

下面是pima-indians.data.csv文件中的一个样本，懂得一下我们将要应用的数据。

summaries = {'A':[(1, 0.5)], 'B':[(20, 5.0)]} 
 
testSet = [[1.1, '?'], [19.1, '?']] 
 
predictions = getPredictions(summaries, testSet) 
 
print('Predictions: {0}').format(predictions)

运行测试，你会看到如下结不雅：

Predictions: ['A', 'B']

计算精度

猜测值和测试数据集中的类别值进行比较，可以计算获得一个介于0%~100%精确率作为分类的精确度。getAccuracy()函数可以计算出这个精确率。

def getAccuracy(testSet, predictions): 
 
    correct = 0 
 
    for x in range(len(testSet)): 
 
        if testSet[x][-1] == predictions[x]: 
 
            correct += 1 
 
    return (correct/float(len(testSet))) * 100.0

我们可以应用如下简单的代率攀来测试getAccuracy()函数。

testSet = [[1,1,1,'a'], [2,2,2,'a'], [3,3,3,'b']] 
 
predictions = ['a', 'a', 'a'] 
 
accuracy = getAccuracy(testSet, predictions) 
 
print('Accuracy: {0}').format(accuracy) 	
			 6/7   首页 上一页 4 5 6 7 下一页 尾页	
			

　　推荐阅读
　　宁波电信：大数据推动基层社会服务转型
            
            日前，在第十四届中国信息港论坛举办的&ldquo;2017年中国信息通信与&lsquo;互联网+&rsquo;应用优良结不雅奖&rdquo;颁奖典礼上，中国电信浙江宁波分公司的&ldquo;宁波市基层社会办事治理综>>>详细阅读


本文标题：机器学习之用Python从零实现贝叶斯分类器
地址：http://www.17bianji.com/lsqh/35863.html
 1/2    1