如何使用 NaiveBayes 预测数据集答案

【问题标题】：How to predict dataset using NaiveBayes如何使用 NaiveBayes 预测数据集
【发布时间】：2018-10-31 22:08:08
【问题描述】：

x=dataset1[:,1:23] # features
y=dataset1[:,0] #classtypes 
xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.20)

我的数据集只有字母。 1 行有 23 个字母。第一个字母是classtype，其他字母是feauters。我有 2 节课 --> a,z

示例：a,b,c,d,e,...,g

我会先计算召回率、精度和其他值。我需要找到 ypred 导致这些值询问 2 个参数(ytest,ypred) 。如何使用朴素贝叶斯预测数据？

【问题讨论】：

你使用了什么算法？来自 sklearn 的 GaussianNB？
从 nltk.classify 导入 NaiveBayesClassifier 从 nltk.classify.scikitlearn 导入 SklearnClassifier 。并与 . nc = NaiveBayesClassifier.train(train1)。 Train1 是我数据集的 3/4

标签： machine-learning nltk predict naivebayes

【解决方案1】：

我建议您查看用于朴素贝叶斯分类器的 sklearn 文档：here

【讨论】：

我使用了分类方法和准确度方法，但没有其他值的预测或方法（精度，f score）。首先我需要预测方法：/。我的数据不是整数或浮点数，所以我不能使用 Gauss nb

【解决方案2】：

既然你说你正在使用nltk 库，你可以这样做：

from nltk.classify import NaiveBayesClassifier
from nltk.classify.scikitlearn import SklearnClassifier

x=dataset1[:,1:23] # features
y=dataset1[:,0] #classtypes 
xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.20)

classifier = NaiveBayesClassifier.train(xtrain)

y_predicted = classifier.classify(xtest)

这里，`classify` 属性与`scikit-learn` 算法中的`predict` 属性相同。

可用的属性如下：

Documentation here

【讨论】：

你是对的，但我做错了。我的数据是分类的。所以我用二进制（真，假）的方式对其进行了编码。所以我现在不能使用 train_test_split 。无论如何，谢谢，但我失败了。对不起
只考虑接受和支持我的回答，因为它解决了您描述的最初问题，因此其他人可能想要考虑它。最好的问候

这里，classify 属性与scikit-learn 算法中的predict 属性相同。

这里，`classify` 属性与`scikit-learn` 算法中的`predict` 属性相同。