写一个找好瓜的朴素贝叶斯代码

好的，以下是一个简单的找好瓜的朴素贝叶斯代码示例。

假设我们有一个数据集，其中包含一些瓜的属性和它们是好瓜还是坏瓜。瓜的属性包括色泽、根蒂、敲声等等。我们将使用这些属性来预测新瓜是否是好瓜。

首先，我们需要将数据集分为训练集和测试集。我们将使用80%的数据作为训练集，20%的数据作为测试集。

import pandas as pd
from sklearn.model_selection import train_test_split

# 读入数据
data = pd.read_csv('watermelon.csv')

# 划分训练集和测试集
train, test = train_test_split(data, test_size=0.2)

接下来，我们需要计算每个属性和它们的取值对于好瓜和坏瓜的条件概率。我们可以使用pandas的groupby函数来计算这些概率。

# 计算每个属性和它们的取值对于好瓜和坏瓜的条件概率
probabilities = {}
for column in train.columns[:-1]:
    probabilities[column] = train.groupby([column, 'label']).size() / len(train)

最后，我们可以使用这些条件概率来预测新瓜的分类。我们将计算新瓜属于好瓜和坏瓜的概率，并选择概率最大的分类作为预测结果。

# 预测测试集分类
predictions = []
for _, row in test.iterrows():
    good_prob = 1
    bad_prob = 1
    for column in train.columns[:-1]:
        good_prob *= probabilities[column].get((row[column], '是'), 0)
        bad_prob *= probabilities[column].get((row[column], '否'), 0)
    good_prob *= probabilities['label'].get('是', 0)
    bad_prob *= probabilities['label'].get('否', 0)
    if good_prob > bad_prob:
        predictions.append('是')
    else:
        predictions.append('否')

# 计算分类准确率
accuracy = (predictions == test['label']).mean()
print('分类准确率：', accuracy)

完整代码如下：

import pandas as pd
from sklearn.model_selection import train_test_split

# 读入数据
data = pd.read_csv('watermelon.csv')

# 划分训练集和测试集
train, test = train_test_split(data, test_size=0.2)

# 计算每个属性和它们的取值对于好瓜和坏瓜的条件概率
probabilities = {}
for column in train.columns[:-1]:
    probabilities[column] = train.groupby([column, 'label']).size() / len(train)

# 预测测试集分类
predictions = []
for _, row in test.iterrows():
    good_prob = 1
    bad_prob = 1
    for column in train.columns[:-1]:
        good_prob *= probabilities[column].get((row[column], '是'), 0)
        bad_prob *= probabilities[column].get((row[column], '否'), 0)
    good_prob *= probabilities['label'].get('是', 0)
    bad_prob *= probabilities['label'].get('否', 0)
    if good_prob > bad_prob:
        predictions.append('是')
    else:
        predictions.append('否')

# 计算分类准确率
accuracy = (predictions == test['label']).mean()
print('分类准确率：', accuracy)