Question

我正在关注python中有关机器学习的书，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), "%")

我只是有几个问题：

数据[：，： - 1]和数据[：， - 1]有什么作用？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？

Answer 1

索引numpy数组时，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，那么您将知道切片是什么。

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。查看有关numpy数组的文档以获取更多信息。理解ndarrays是使用sklearn的先决条件。

如何使用Scikit制作和使用朴素贝叶斯分类器

1 个答案: