朴素贝叶斯算法训练MNIST数据集代码

以下是使用朴素贝叶斯算法训练MNIST数据集的示例代码：

import numpy as np
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import fetch_mldata

# 加载MNIST数据集
mnist = fetch_mldata('MNIST original')

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = mnist.data[:60000], mnist.data[60000:], mnist.target[:60000], mnist.target[60000:]

# 训练朴素贝叶斯分类器
clf = GaussianNB()
clf.fit(X_train, y_train)

# 在测试集上测试分类器性能
accuracy = clf.score(X_test, y_test)
print("Accuracy:", accuracy)

在此示例中，我们使用`fetch_mldata`函数从网络上下载并加载MNIST数据集。然后，我们将数据集分为训练集和测试集，并使用`GaussianNB`类训练朴素贝叶斯算法分类器。最后，我们在测试集上测试分类器性能并输出准确度。