Introduction
Dans ce laboratoire, nous allons étudier un exemple d'utilisation de classifieurs Naïfs Bayésiens de la bibliothèque scikit-learn en Python. Les classifieurs Naïfs Bayésiens sont un ensemble d'algorithmes d'apprentissage supervisé couramment utilisés pour les tâches de classification. Ces classifieurs sont basés sur l'application du théorème de Bayes avec l'hypothèse d'indépendance conditionnelle entre chaque paire de caractéristiques étant donné la valeur de la variable de classe.
Dans cet exemple, nous utiliserons le classifieur Naïf Bayésien Gaussien de scikit-learn pour classifier l'ensemble de données iris, qui est un ensemble de données populaire pour l'apprentissage automatique. L'objectif est de prédire l'espèce d'une fleur de lys en fonction de ses dimensions de pétales et de sépales.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Notebook pour accéder à Jupyter Notebook pour la pratique.
Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.