기계 학습-sklearn 의 흔 한 사용
1167 단어 기계 학습
#
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB() #
clf.fit(features_train,labels_train)
pred = clf.predit(features_test) # ,
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(pred, labels_test) #
#-------------------------------------------------------------------------------------------
# SVM , ( )
from sklearn.svm import SVC
clf = SVC(C=10000,kernel='rbf') # C ,kernel , linear\rbf\polynomial
t0 = time() # C ,
clf.fit(features_train,labels_train)
print "train time is :" , round(time()-t0, 3), "s"
t0 = time()
pred = clf.predict(features_test)
print "fit time is :" , round(time()-t0,3), "s"
#print pred[10],pred[26],pred[50] # 10/26/50
from sklearn.metrics import accuracy_score
acc = accuracy_score(pred, labels_test)
print acc #
#--------------------------------------------------------------------------------------------
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.