Python机器学习基础教程

54

｜

第

2

章

这里我们有

4

个数据点，每个点有

4

个二分类特征。一共有两个类别：

0

和

1

。对于类别

0

（第

1

、

3

个数据点），第一个特征有

2

个为零、

0

个不为零，第二个特征有

1

个为零、

1

个

不为零，以此类推。然后对类别

1

中的数据点计算相同的计数。计算每个类别中的非零元

素个数，大体上看起来像这样：

In[55]:

counts = {}

for label in np.unique(y):

# 对每个类别进行遍历

# 计算（求和）每个特征中1的个数

counts[label] = X[y == label].sum(axis=0)

print("Feature counts:\n{}".format(counts))

Out[55]:

Feature counts:

{0: array([0, 1, 0, 2]), 1: array([2, 0, 2, 1])}

另外两种朴素贝叶斯模型（MultinomialNB 和 GaussianNB）计算的统计数据类型略有不同。

MultinomialNB 计算每个类别中每个特征的平均值，而 GaussianNB 会保存每个类别中每个

特征的平均值和标准差。

要想做出预测，需要将数据点与每个类别的统计数据进行比较，并将最匹配的类别作为预

测结果。有趣的是，MultinomialNB 和 BernoulliNB 预测公式的形式都与线性模型完全相同

（见

2.3.3

节）。不幸的是，朴素贝叶斯模型 coef_ 的含义与线性模型稍有不同，因为 coef_

不同于

w

。

优点

、

缺点和参数 ...