我们在正式开始学习之前，一定是先对基础的内容进行了解，包括函数，方法，语法等等，当然还有我们本章要让大家接触的算法，重要的，也是经常会在机器上面遇到的sklearn算法，肯定有很多人不了解吧，那就一起来看下吧~
1、高斯朴素贝叶斯 (GaussianNB)
fromsklearnimportdatasets
iris=datasets.load_iris()
fromsklearn.naive_bayesimportGaussianNB
gnb=GaussianNB()
y_pred=gnb.fit(iris.data,iris.target).predict(iris.data)
print("Numberofmislabeledpointsoutofatotal%dpoints:%d"
%(iris.data.shape[0],(iris.target!=y_pred).sum()))2、多项式朴素贝叶斯 (MultinomialNB/MNB)
importnumpyasnp X=np.random.randint(50,size=(1000,100)) y=np.random.randint(6,size=(1000)) fromsklearn.naive_bayesimportMultinomialNB clf=MultinomialNB() clf.fit(X,y) print(clf.predict(X[2:3]))
3.决策树
决策树作为十大经典算法之一，能够很好的处理多分类问题。
决策树的sklearn接口：
classsklearn.tree.DecisionTreeClassifier(criterion=’gini’,splitter=’best’,max_depth=None,min_samples_split=2,min_samples_leaf=1,min_weight_fraction_leaf=0.0,max_features=None,random_state=None,max_leaf_nodes=None,min_impurity_decrease=0.0,min_impurity_split=None,class_weight=None,presort=False)
好啦，以上就是关于sklearn里面的算法使用了哦~大家如果想了解机器人学习的可以多多看下哦~如果大家还想了解更多的机器人学习知识，可以到python学习网上下载了解。