背景介绍

• 是一种有监督式机器学习，即需要事先特征及对应打标label录入系统，机器学习其规律。
• 已知打标好的数据集合X，分为特征矩阵（X） + label标签（y）两个变量。
• 寻良好模型之后，然后使用predict来验证，系统猜测新数据；
• 输入与输出有些像LR，只是算法原理不同导致输出结果不一样。

代码

import numpy as np
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([1, 1, 1, 2, 2, 2])
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(X, Y)
GaussianNB(priors=None, var_smoothing=1e-09)
print(clf.predict([[-0.8, -1]]))
clf_pf = GaussianNB()
clf_pf.partial_fit(X, Y, np.unique(Y))
print(clf_pf.predict([[-0.8, -1]]))

参考资料

• https://blog.csdn.net/Gamer_gyt/article/details/51253445