當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python cuml.naive_bayes.GaussianNB用法及代碼示例


用法:

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

高斯樸素貝葉斯 (GaussianNB) 可以通過 partial_fit() 對模型參數進行在線更新。有關用於在線更新特征均值和方差的算法的詳細信息，請參閱 Chan、Golub 和 LeVeque 的斯坦福 CS 技術報告 STAN-CS-79-773：

參數：

priors：array-like 形狀 (n_classes,)

類的先驗概率。如果指定，則不會根據數據調整先驗。

var_smoothing：浮點數，默認=1e-9

為了計算穩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’}，默認=無

用於控製估計器的結果和屬性的輸出類型的變量。如果為 None，它將繼承在模塊級別設置的輸出類型 cuml.global_settings.output_type 。有關詳細信息，請參閱輸出數據類型配置。

handle：cuml.Handle

指定 cuml.handle 保存用於此模型中計算的內部 CUDA 狀態。最重要的是，這指定了將用於模型計算的 CUDA 流，因此用戶可以通過在多個流中創建句柄在不同的流中同時運行不同的模型。如果為 None，則創建一個新的。

verbose：int 或布爾值，默認=False

設置日誌記錄級別。它必須是 cuml.common.logger.level_* 之一。有關詳細信息，請參閱詳細級別。

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]

相關用法


注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuml.naive_bayes.GaussianNB。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。