贝叶斯分类器原理与spark实践.pptxVIP

贝叶斯分类器原理与spark实践

提纲朴素贝叶斯算法原理朴素贝叶斯分类实现

?贝叶斯分类算法简介

朴素贝叶斯分类流程数据整理清洗获取训练集???数据整理阶段训练阶段?应用阶段?

朴素贝叶斯分类实例?

提纲朴素贝叶斯算法原理朴素贝叶斯分类实现123

Python+Spark进行贝叶斯分类系统准备：centos6.8、Spark2.3.1、Pyrhon3.X。导入pyspark,pandas,numpy数据准备：采用UCI机器学习库中的wine数据集作为算法数据，包括了三种酒中13种不同成分的数量。成分分别为：Alcohol，Malicacid，Ash，lcalinityofash，Magnesium，Totalphenols，Flavanoids，Nonflavanoidphenols，Proanthocyanins，Colorintensity，Hue，OD280/OD315ofdilutedwines，Proline。在“wine.data”文件中，每行代表一种酒的样本，共有178个样本；一共有14列，其中，第一列为类标志属性，共有三类，分别记为“1”，“2”，“3”；后面的13列为每个样本的对应属性的样本值。第1类有59个样本，第2类有71个样本，第3类有48个样本。建模目的：训练贝叶斯分类器，使得知道13个特征后，把样本划归到相应类别。

import