代码拉取完成,页面将自动刷新
同步操作将从 席理加/伯努利朴素贝叶斯预测客户购买房车险 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
#!/usr/bin/env python
# coding: utf-8
from tic import load_tic
from sklearn.naive_bayes import BernoulliNB
import joblib
print("加载 TIC 2000 数据\n")
dataset = load_tic((86, 0, 19, 20))
X = dataset.data
y = dataset.target
headers = dataset.feature_names
print("数据集")
print("已加载 %d 训练数据集(离散数据), 包含 %d 个特征" % X.shape)
print("预测目标购买房车险的客户共 %d 个\n" % y.sum())
BernoulliNB_alpha = 0.01
train_features = [86, 87, 43, 44, 47, 59, 65, 68, 80]
print("选择训练特征")
print("\n".join(["%-2d %s" % (idx, headers[idx - 1]) for idx in train_features]))
X = X[:, [i - 1 for i in train_features]]
print("\n训练模型")
clf = BernoulliNB(alpha=BernoulliNB_alpha)
model = clf.fit(X, y)
joblib.dump(clf, 'tic-BernoulliNB.pkl')
# 训练结果
print("\n评分")
print(model.score(X, y))
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。