Les bases
Démarrage
Le langage
Modules et classes
Modules standards
Modules de maths
Modules sur structures de données
Modules pour les fichiers
Modules pour internet
Autres modules
Modules non standards
numpy
SciPy
Matplotlib
Seaborn
Pandas
statsmodels
Scikit-Learn
Torch
OpenCV
Biopython
Django pour le développement web
Autres modules non standards
Datasets
Généralités
Sélection des données
Clustering
Transformations
Principal Component Analysis - PCA
Canonical Correlation Analysis
Apprentissage de Manifold
Régression linéaire
Arbres de Décision
Random Forest
SVM
Adaboost - XGboost
Naive Bayes
Cross Validation
Mesures de performance
UMAP
Analyse de survie
Mis a jour le 2025-08-02, 18:51
> Modules non standards > Scikit-Learn > Naive Bayes
Naive Bayes
Permet de faire de la classification en supposant les features ayant des effets indépendants les uns des autres.
from sklearn import naive_bayes
Si les features sont de type comptages (ou même fractions), on peut utiliser le naives Bayes multinomiale :
model = naive_bayes.MultinomialNB() model.fit(X, y) pred = model.predict(Xtest)
model.predict(Xtest)
: prédit la classe à partir de nouvelles données.
model.predict_proba(Xtest)
: renvoie une array 2d nbr de samples x nbr de classes avec la proba de chaque classe.
model.score(Xtest, ytest)
: donne l'accuracy moyenne de la prédiction.
Copyright python-simple.com
programmer en python, tutoriel python, graphes en python, Aymeric Duclert