Return to Video

Gaussian NB Example - Intro to Machine Learning

  • 0:00 - 0:04
    现在我们已经来到了高斯朴素贝叶斯的文档页面
  • 0:04 - 0:05
    现在我们已经来到了高斯朴素贝叶斯的文档页面
  • 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 sklearn 文档页面
  • 0:16 - 0:18
    我在这里看到的最明显的内容 这也是我喜欢 SK Learn 文档的一个原因
  • 0:18 - 0:23
    就是有大量的实例
  • 0:23 - 0:26
    当我在编写用在这门课程里的代码时
  • 0:26 - 0:29
    我总是先找到样本代码
  • 0:29 - 0:31
    然后在我的 Python 解释器里运行一遍
  • 0:31 - 0:33
    看看能不能运行成功
  • 0:33 - 0:36
    几乎所有代码都能正常运行
  • 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
    我先为你指出这些代码
  • 0:41 - 0:46
    然后我会向你展示之前给实例编写的代码
  • 0:46 - 0:48
    之后你就能识别这些代码了
  • 0:48 - 0:49
    我们先来介绍一下
  • 0:49 - 0:52
    第一行非常重要的代码就是这里
  • 0:54 - 0:57
    上面的代码只是用来生成一些可以利用的训练点而已
  • 0:57 - 0:58
    就没有那么重要了
  • 0:58 - 1:02
    这是重点的开始部分 就是这个 import 语句
  • 1:02 - 1:05
    如果你之前用过 Python 那你应该对 import 语句很熟悉
  • 1:05 - 1:08
    这个语句的作用是把外部模块引入你编写的代码里
  • 1:08 - 1:12
    所以你没有必要每次都完全重新实现所有代码
  • 1:12 - 1:15
    你可以使用他人编写好的代码
  • 1:15 - 1:19
    所以我们从 sklearn.naive_bayes 引入 GaussianNB 模块
  • 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
    把 GaussianNB 赋值给 clf(分类器)
  • 1:27 - 1:29
    如果你缺少 import 语句
  • 1:29 - 1:30
    如果你忘了添加这行
  • 1:30 - 1:32
    那么运行时这一行就会报错
  • 1:32 - 1:36
    所以如果你看到某些错误显示无法识别这个函数
  • 1:36 - 1:38
    所以如果你看到某些错误显示无法识别这个函数
  • 1:38 - 1:40
    那么问题很可能就出在你的 import 语句上
  • 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“fit”替换了“train”
  • 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
    我们在分类器上调用 fit 函数 接下来将两个参数传递给 fit 函数
  • 2:04 - 2:10
    一个是特征 x 一个是标签 y
  • 2:10 - 2:13
    在监督分类中这个过程都是如此
  • 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
    我们想知道的是 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
    在这个示例中 分类器将该点归在了 “1” 这个分类下
  • 2:38 - 2:42
    或者你可以设想一下 对于其他点分类器可能会将其归在 “2” 这个分类下
  • 2:42 - 2:48
    当然了 你必须先训练好分类器
  • 2:48 - 2:49
    才能调用分类器上的预测函数
  • 2:49 - 2:50
    因为使用数据训练的过程就是
  • 2:50 - 2:52
    它实际学习模式的过程
  • 2:52 - 2:55
    然后分类器能利用学得的模式来进行预测
  • 2:55 - 2:57
    这就是整个过程
  • 2:57 - 2:59
    现在你能知道我在这里做的大部分操作
  • 2:59 - 3:02
    都是为了让这些代码在第一个示例中运行
Title:
Gaussian NB Example - Intro to Machine Learning
Description:

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

Chinese, Simplified subtitles

Revisions Compare revisions