当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python cuml.naive_bayes.GaussianNB用法及代码示例


用法:

class cuml.naive_bayes.GaussianNB(*, priors=None, var_smoothing=1e-09, output_type=None, handle=None, verbose=False)

高斯朴素贝叶斯 (GaussianNB) 可以通过 partial_fit() 对模型参数进行在线更新。有关用于在线更新特征均值和方差的算法的详细信息，请参阅 Chan、Golub 和 LeVeque 的斯坦福 CS 技术报告 STAN-CS-79-773：

参数：

priors：array-like 形状 (n_classes,)

类的先验概率。如果指定，则不会根据数据调整先验。

var_smoothing：浮点数，默认=1e-9

为了计算稳定性而添加到方差中的所有特征的最大方差部分。

output_type：{‘input’, ‘cudf’, ‘cupy’, ‘numpy’, ‘numba’}，默认=无

用于控制估计器的结果和属性的输出类型的变量。如果为 None，它将继承在模块级别设置的输出类型 cuml.global_settings.output_type 。有关详细信息，请参阅输出数据类型配置。

handle：cuml.Handle

指定 cuml.handle 保存用于此模型中计算的内部 CUDA 状态。最重要的是，这指定了将用于模型计算的 CUDA 流，因此用户可以通过在多个流中创建句柄在不同的流中同时运行不同的模型。如果为 None，则创建一个新的。

verbose：int 或布尔值，默认=False

设置日志记录级别。它必须是 cuml.common.logger.level_* 之一。有关详细信息，请参阅详细级别。

例子：

>>> import cupy as cp
>>> X = cp.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]],
>>>              cp.float32)
>>> Y = cp.array([1, 1, 1, 2, 2, 2], cp.float32)
>>> from cuml.naive_bayes import GaussianNB
>>> clf = GaussianNB()
>>> clf.fit(X, Y)
GaussianNB()
>>> print(clf.predict(cp.array([[-0.8, -1]], cp.float32)))
[1]
>>> clf_pf = GaussianNB()
>>> clf_pf.partial_fit(X, Y, cp.unique(Y))
GaussianNB()
>>> print(clf_pf.predict(cp.array([[-0.8, -1]], cp.float32)))
[1]

相关用法


注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cuml.naive_bayes.GaussianNB。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。