华为云AI开发平台ModelArts朴素贝叶斯分类_云淘科技
概述
“朴素贝叶斯”节点用于产生多分类模型，用户在使用时需要指定数据的“Role”字段，默认支持“Input”、“Target”、“Rejected”、“ID”四种类型，且只能选择其一种。
朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。
朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。对于给定的训练数据集：
首先基于特征条件独立假设学习输入/输出的联合概率分布。
然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。
输入
|
参数 |
子参数 |
参数说明 |
|---|---|---|
|
inputs |
dataframe |
inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 |
输出
spark pipeline类型的模型
参数说明
|
参数 |
子参数 |
参数说明 |
|---|---|---|
|
b_use_default_encoder |
– |
是否使用默认编码，默认为True |
|
input_features_str |
– |
输入的列名以逗号分隔组成的字符串，例如： “column_a” “column_a,column_b” |
|
label_col |
– |
目标列 |
|
classifier_label_index_col |
– |
目标列经过标签编码后的新的列名，默认为”label_index” |
|
classifier_feature_vector_col |
– |
算子输入的特征向量列的列名，默认为”model_features” |
|
prediction_col |
– |
算子输出的预测label的列名，默认为”prediction” |
|
prediction_index_col |
– |
算子输出的预测label对应的标签列，默认为”prediction_index” |
|
smoothing |
– |
平滑参数，默认为1.0 |
|
model_type |
– |
模型类型，支持multinomial、bernoulli，默认为”multinomial” |
样例
inputs = {
"dataframe": None # @input {"label":"dataframe","type":"DataFrame"}
}
params = {
"inputs": inputs,
"b_output_action": True,
"b_use_default_encoder": True, # @param {"label": "b_use_default_encoder", "type": "boolean", "required": "true", "helpTip": ""}
"input_features_str": "", # @param {"label": "input_features_str", "type": "string", "required": "false", "helpTip": ""}
"outer_pipeline_stages": None,
"label_col": "", # @param {"label": "label_col", "type": "string", "required": "true", "helpTip": ""}
"classifier_label_index_col": "label_index", # @param {"label": "classifier_label_index_col", "type": "string", "required": "true", "helpTip": ""}
"classifier_feature_vector_col": "model_features", # @param {"label": "classifier_feature_vector_col", "type": "string", "required": "true", "helpTip": ""}
"prediction_col": "prediction", # @param {"label": "prediction_col", "type": "string", "required": "true", "helpTip": ""}
"prediction_index_col": "prediction_index", # @param {"label": "prediction_index_col", "type": "string", "required": "true", "helpTip": ""}
"smoothing": 1.0, # @param {"label": "smoothing", "type": "number", "required": "true", "range": "[0,none)", "helpTip": ""}
"model_type": "multinomial" # @param {"label": "model_type", "type": "enum", "required": "true", "options": "multinomial,bernoulli", "helpTip": ""}
}
naive_bayes_classifier____id___ = MLSNaiveBayesClassifier(**params)
naive_bayes_classifier____id___.run()
# @output {"label":"pipeline_model","name":"naive_bayes_classifier____id___.get_outputs()['output_port_1']","type":"PipelineModel"}
父主题： 分类
同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）
内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家
