如何使用NaiveBayes预测数据集

Question

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。每行有23个字母。第一个字母是classtype，其他字母是feauter。我有两个班级--> a，z

示例: a，b，c，d，e，...，g

我将首先计算召回值、精确度和其他值。我需要找到ypred原因这些值要求2个参数(ytest，ypred)。如何使用朴素贝叶斯预测数据？

Answer 1

我建议您看一下朴素贝叶斯分类器的sklearn文档：here

Answer 2

既然您说您正在使用nltk库，那么您可以执行以下操作：

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