Return to Video

Gaussian NB Example - Intro to Machine Learning

  • 0:00 - 0:04
    好的,现在我已来到高斯朴素贝叶斯
  • 0:04 - 0:05
    文档页面。
  • 0:05 - 0:08
    sklearn.naive_bayes.GaussianNB。
  • 0:08 - 0:11
    这就是我要找的算法,
  • 0:11 - 0:16
    我找到了 SK Learn 文档页面。
  • 0:16 - 0:18
    关于 SK Learn 文档,我的第一印象就是:
  • 0:18 - 0:23
    实例非常多,这是我非常喜欢的一点。
  • 0:23 - 0:26
    我在实际开发本课程代码的过程中,我做的
  • 0:26 - 0:29
    第一件事一直是查找示例代码,然后只需
  • 0:29 - 0:31
    在我的 Python 解析器尝试运行这些代码,
  • 0:31 - 0:33
    看看代码是否可用就可以了。
  • 0:33 - 0:36
    几乎所有示例都可以随取随用。
  • 0:36 - 0:38
    这样事情就很简单了,
  • 0:38 - 0:40
    只需要关注几行重要的代码就可以了。
  • 0:40 - 0:41
    我先为您指出这些代码,
  • 0:41 - 0:46
    然后再向您展示我为刚刚看到的示例实际编写的代码,
  • 0:46 - 0:48
    您就可以开始识别其中的某些行了。
  • 0:48 - 0:49
    我们先来看一下这些代码。
  • 0:49 - 0:52
    第一行非常重要的代码就是这里这行。
  • 0:54 - 0:57
    上面这些只是我们可以利用的训练点,
  • 0:57 - 0:58
    就没有那么重要了。
  • 0:58 - 1:02
    这是重要部分的起点,与此 Import 语句搭配使用。
  • 1:02 - 1:05
    如果您使用 Python 进行过编程活动,那么您应该很熟悉 Import 语句。
  • 1:05 - 1:08
    您可以通过这种方式将外部模块引入您编写的代码,
  • 1:08 - 1:12
    这样一来,您就无需每次都完全重新实现所有代码了,
  • 1:12 - 1:15
    您可以使用他人编写好的代码。
  • 1:15 - 1:19
    也就是说,从 sklearn.naive_bayes 转到 Import GaussianNB。
  • 1:19 - 1:20
    很好。
  • 1:20 - 1:23
    接下来我们要利用这些内容
  • 1:23 - 1:24
    创建分类器。
  • 1:24 - 1:27
    分类器就是 GaussianNB。
  • 1:27 - 1:29
    如果您缺少 Import 语句,
  • 1:29 - 1:30
    如果您出于某些原因忘记了
  • 1:30 - 1:32
    这一行,那么这一行就会产生错误。
  • 1:32 - 1:36
    如果您看到了某类错误,显示无法识别
  • 1:36 - 1:38
    此函数,
  • 1:38 - 1:40
    则很可能是您的 Import 语句出了问题。
  • 1:40 - 1:43
    我们创建好了分类器,
  • 1:43 - 1:45
    代码也可以投入使用了,
  • 1:45 - 1:47
    接下来要做的就是调整这些代码。
  • 1:49 - 1:52
    我们已使用字词“train”替换了“fit”。
  • 1:52 - 1:55
    这里是我们实际提供训练数据的地方,
  • 1:55 - 1:57
    它会学习各种模式,
  • 1:57 - 2:00
    然后就形成了我们刚刚创建的分类器。
  • 2:00 - 2:04
    我们在这上面调用 fit 函数,接下来我们要传递并进行调整的参数
  • 2:04 - 2:10
    是 x 和 y,在这里 x 是特征,y 是标签。
  • 2:10 - 2:13
    在监督分类中,该值始终为 true。
  • 2:13 - 2:15
    即,先调用此 fit 函数,
  • 2:15 - 2:16
    然后依次获得特征
  • 2:16 - 2:17
    和标签。
  • 2:19 - 2:22
    最后,我们让已完成了训练的分类器
  • 2:22 - 2:24
    进行一些预测。
  • 2:24 - 2:25
    我们为它提供一个新点,
  • 2:25 - 2:29
    本示例中是 -0.8、-1。
  • 2:29 - 2:33
    我们的问题是,这个特定点的标签是什么?
  • 2:33 - 2:35
    它属于什么类?
  • 2:35 - 2:38
    在当前示例中,它给出的答案是:属于类“数字 1”。
  • 2:38 - 2:42
    或者,您也可以设想让此代码预测出类“数字 2”的其他某些点。
  • 2:42 - 2:48
    当然了,您必须先调整好分类器,
  • 2:48 - 2:49
    才能在其上调用预测函数。
  • 2:49 - 2:50
    因为调整数据的过程就是它实际
  • 2:50 - 2:52
    学习模式的过程。
  • 2:52 - 2:55
    然后它会使用这些模式在这里进行预测。
  • 2:55 - 2:57
    就是这样。
  • 2:57 - 2:59
    我们在这里进行的大部分操作
  • 2:59 - 3:02
    就是使这些代码在我已完成的第一个示例中运行。
Title:
Gaussian NB Example - Intro to Machine Learning
Description:

2430788537-GaussianNBExample-wpnDwiqTCJA

more » « less
Video Language:
English
Team:
Udacity
Project:
ud120 - Intro to Machine Learning
Duration:
03:03

Chinese, Simplified subtitles

Revisions Compare revisions