腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
搜索
关闭
文章
问答
(3082)
视频
开发者手册
清单
用户
专栏
沙龙
全部问答
原创问答
Stack Exchange问答
更多筛选
回答情况:
全部
有回答
回答已采纳
提问时间:
不限
一周内
一月内
三月内
一年内
问题标签:
未找到与 相关的标签
筛选
重置
1
回答
[Python]sklearn
naive
bayes
]), np.asarray(y[train],dtype="int64")) File "C:\ProgramData\Anaconda3\lib\site-packages\sklearn\
naive
_
bayes
.py", line 689, in
浏览 2
提问于2017-08-14
得票数 0
3
回答
ImportError:没有名为
naive
_
bayes
的模块
但是,每当我试图访问
naive
_
bayes
模块时,都会得到以下错误:以下是我导入的方式: from sklearn.
naive
_
bayes
浏览 2
修改于2017-09-30
得票数 0
回答已采纳
1
回答
ValueError in sklearn.
naive
_
bayes
.GaussianNB
import numpy as npy = np.array([0,0,1,1])from sklearn.
naive
_
bayes
ex.py", line 9, in <module> File "/usr/local/lib/python2.7/dist-packages/sklearn/
naive
_
浏览 2
提问于2017-05-19
得票数 0
回答已采纳
1
回答
ModuleNotFoundError:没有名为“
naive
_
bayes
”的模块
我从这里下载了用于网络入侵检测的Python代码, from
naive
_
bayes
import Data我尝试过的是:我试着安装和使用模块sklearn.
浏览 1
修改于2017-12-11
得票数 0
1
回答
sklearn.
naive
_
bayes
与范畴变量
在二进制分类中,如何使用sklearn.
naive
_
bayes
python模块来预测具有5个分类变量(而不是二进制)的输入类?
浏览 0
提问于2016-01-19
得票数 0
回答已采纳
1
回答
来自.csv的Sklearn
Naive
Bayes
GaussianNB
它向我显示ValueError "ValueError: code‘t convert string to float:'Casado'”This is my code:“ from sklearn.
naive
_
bayes
Create
Naive
Bayes
classifier: # 2.
浏览 23
提问于2021-08-16
得票数 1
回答已采纳
1
回答
%r中参数y出现
naive
_
bayes
.default错误
naive
_
bayes
.default给出的y错误如下:默认值:
naive
_
bayes
(x,y,prior) 其中data,14
浏览 0
提问于2018-03-20
得票数 0
1
回答
R中
naive
_
bayes
预测数据的影响因素
我试图了解如何创建一个因素数据,以预测使用
naive
_
bayes
的结果。我看到的所有示例都采用了一个数据have,并将其划分为两个dfs(培训和测试)。这对我确实有用:buy<-c('N','Y',&
浏览 0
提问于2020-06-09
得票数 1
回答已采纳
1
回答
无法对加州住房数据集执行sklearn.
naive
_
bayes
GaussianNB
sklearn.datasets import load_iris from sklearn.
naive
_
bayes
y_pred_cali = gnb.fit(cali[0], cali[1]).predict(cali[0])
浏览 0
修改于2019-11-16
得票数 1
1
回答
sklearn.
naive
_
bayes
.BernoulliNB数据大小的实用限制
实际上,我要做的是重写以下代码块,以便它可以使用nSamples和nFeatures的指定值import numpy
浏览 2
修改于2015-08-31
得票数 2
回答已采纳
2
回答
如何纠正sample_weight中的sklearn.
naive
_
bayes
?
我正在用不平衡的数据通过
Naive
Bayes
实现sklearn。我的数据有超过16k的记录和6个输出类别。y_ints)for i in set(y_ints):from sklearn.
naive
_
bayes
浏览 0
提问于2019-05-23
得票数 1
回答已采纳
0
回答
如何将我的数据用于sklearn.
naive
_
bayes
.GaussianNB
我正在尝试理解
Naive
Bayes
是如何工作的,并想使用sklearn.
naive
_
bayes
.GaussianNB创建一些示例。
浏览 12
提问于2017-06-05
得票数 0
1
回答
如何在R中修复不使用预测功能的predict.
naive
_
bayes
我将使用14台PC: newdata <- as.data.frame(data.pca$x[,1:14]) #dimension: 90x14 培训: 库(Naivebayes) mod.nb <-
naive
_
bayes
as.data.frame(test.pca) pred <- predict(mod.nb, test.pca) 我得到了这些错误: predict.
naive
_
bayes
(): Only 0 feature(s) o
浏览 27
修改于2019-10-12
得票数 0
1
回答
multinomial_
naive
_
bayes
()函数生成模型的r-生成混淆矩阵和ROC
我现在已经发现了multinomial_
naive
_
bayes
(),它似乎是完美的。它似乎处理了谓词变量中的空值和一个只有一个值的变量,而没有抱怨。问题是,我不知道如何对multinomial_
naive
_
bayes
()函数生成的模型进行“后处理/分析”。我在下面的multinomial_
naive
_
bayes
()文档中包含了示例/参考/示例,如何更新这段代码以获得confusionMatricies和ROC曲线。= c(0.3,0.7))) colname
浏览 4
提问于2020-11-13
得票数 0
回答已采纳
1
回答
无法使用sklearn.
naive
_
bayes
MultinomialNB从一个属性进行预测
似乎我无法使用sklearn.
naive
_
bayes
.MultinomialNB从一个属性进行预测。这是因为predict_proba对于每个输入都是相同的。np.array([1, 1, 1, 0, 0, 1, 1])y = np.array([0, 0, 0, 0, 1, 1, 1]) from sklearn.
naive
_
bayes
浏览 0
修改于2018-10-22
得票数 1
1
回答
如何在feature_log_prob_中计算
naive
_
bayes
MultinomialNB
这是我的密码:import numpy as npfrom sklearn.feature_extraction.text
浏览 1
修改于2020-05-04
得票数 1
回答已采纳
2
回答
python
naive
Bayes
教程-什么是two_obs_test[continuous_list]?
我在https://towardsdatascience.com/why-how-to-use-the-
naive
-
bayes
-algorithms-in-a-regulated-industry-with-sklearn-python-code-dbd8304ab2cf
浏览 25
提问于2021-02-08
得票数 0
回答已采纳
1
回答
Sklearn
naive
bayes
分类器,用于属于同一类的数据
-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])from sklearn.
naive
_
bayes
浏览 4
修改于2013-07-15
得票数 0
回答已采纳
1
回答
在mallet中将svmlight样式的数据与
naive
bayes
分类器结合使用
3)生成包含svmlight-style数据的文本文件后,希望将其传递到MALLET中的
Naive
Bayes
Classifier中。这是如何实现的?
浏览 1
提问于2012-12-20
得票数 0
回答已采纳
0
回答
我应该如何将数据重新格式化为sklearn.
naive
_
bayes
.GaussianNB
我必须使用sklearn中的
naive
_
bayes
.GaussianNB函数,并且我将拥有更多的users属性,但为了解释我的问题,我只使用了颜色和性别。import numpy as npclf = GaussianNB() clf.fit(features_train
浏览 3
提问于2017-06-05
得票数 0
回答已采纳
第 2 页
第 3 页
第 4 页
第 5 页
第 6 页
第 7 页
第 8 页
第 9 页
第 10 页
第 11 页
点击加载更多
领券