dask_ml.naive_bayes.GaussianNB
dask_ml.naive_bayes.GaussianNB¶
- class dask_ml.naive_bayes.GaussianNB(priors=None, classes=None)¶
使用高斯似然拟合朴素贝叶斯模型
示例
>>> from dask_ml import datasets >>> from dask_ml.naive_bayes import GaussianNB >>> X, y = datasets.make_classification(chunks=50) >>> gnb = GaussianNB() >>> gnb.fit(X, y)
方法
get_metadata_routing()获取此对象的元数据路由。
get_params([deep])获取此估计器的参数。
predict(X)对测试向量 X 的数组执行分类。参数 ---------- X：类数组，形状 = [n_样本数, n_特征数] 返回 ------- C：数组，形状 = [n_样本数] X 的预测目标值。
predict_log_proba(X)返回测试向量 X 的对数概率估计。参数 ---------- X：类数组，形状 = [n_样本数, n_特征数] 返回 ------- C：类数组，形状 = [n_样本数, n_类别数] 返回模型中每个类别的样本的对数概率。列对应于按排序顺序排列的类别，如属性 classes_ 中所示。
predict_proba(X)返回测试向量 X 的概率估计。参数 ---------- X：类数组，形状 = [n_样本数, n_特征数] 返回 ------- C：类数组，形状 = [n_样本数, n_类别数] 返回模型中每个类别的样本的概率。列对应于按排序顺序排列的类别，如属性 classes_ 中所示。
set_params(**params)设置此估计器的参数。
fit
- __init__(priors=None, classes=None)¶