Machine learning 如何用朴素贝叶斯预测数据集

我的数据集只有字母。一行有23个字母。 第一个字母是classtype，其他字母是feauter。我有两个类-->a，z

示例：a、b、c、d、e、…、g

我将首先计算召回率、精确度和其他值。我需要找到ypred，因为这些值要求2个参数（ytest，ypred）。

---

如何使用朴素贝叶斯预测数据

我建议您查看有关Naive Bayes分类器的

sklearn

文档：

既然您说您正在使用

nltk

库，您可以执行以下操作：

x=dataset1[:,1:23] # features
y=dataset1[:,0] #classtypes 
xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.20)

---

这里，

classify

属性与

scikit-learn

算法中的

predict

属性相同。

---

可用属性如下所示：

---

我使用了分类法和准确度法，但没有其他值的预测或方法（精度、f分数）。首先，我需要预测方法：/。我的数据不是整数或浮点，所以我不能使用高斯法。你使用了什么算法？GaussianNB from sklearn？from nltk.classify导入NaiveBayesClassifier from nltk.classify.scikitlearn导入SklearnClassifier。和我一起训练。nc=分类器系列（系列1）。第1列是我数据的四分之三你是对的，但我犯了一个错误。我的数据是分类的。所以我用二进制（真、假）方式对它进行编码。所以我现在不能用火车。无论如何谢谢你，但我失败了。遗憾的是，请考虑接受和支持我的答案，因为它解决了你所描述的最初的问题，所以其他人可能会把它考虑进去。顺致敬意，

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)