我正在关注一本关于 python 机器学习的书,但我只是不明白这段代码:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.naive_bayes import GaussianNB
from sklearn import cross_validation
from utilities import visualize_classifier
# Input file containing data
input_file = 'data_multivar_nb.txt'
# Load data from input file
data = np.loadtxt(input_file, delimiter=',')
X, y = data[:, :-1], data[:, -1]
# Create Naive Bayes classifier
classifier = GaussianNB()
# Train the classifier
classifier.fit(X, y)
# Predict the values for training data
y_pred = classifier.predict(X)
# Compute accuracy
accuracy = 100.0 * (y == y_pred).sum() / X.shape[0]
print("Accuracy of Naive Bayes classifier =", round(accuracy, 2), "%")
我有几个问题:
data[:, :-1] 和 data[:, -1] 的作用是什么? 输入文件的格式为:
2.18,0.57,0
4.13,5.12,1
9.87,1.95,2
4.02,-0.8,3
1.18,1.03,0
4.59,5.74,1
计算精度部分如何工作? 什么是 X.shape[0]? 最后,如何使用分类器来预测新值的 y?
最佳答案
当你索引 numpy 数组时,你使用类似于列表的方括号。
my_list[-1]
返回列表中的最后一项。
例如。
my_list = [1, 2, 3, 4]
my_list[-1]
4
如果您熟悉列表索引,那么您就会知道切片是什么。
my_list[:-1]
返回从开头到最后一个的所有项目。
my_list[:-1]
[1, 2, 3]
在您的代码中,data[:, :-1]
只是使用二维切片进行索引。查找有关 numpy 数组的文档以获取更多信息。了解 ndarrays 是使用 sklearn 的先决条件。
关于python - 如何通过 Scikit 制作和使用朴素贝叶斯分类器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46249118/