Python高斯分类

高斯分类是一种基于概率统计的分类方法，它假设不同类别的数据分布符合高斯分布（也称正态分布），通过计算待分类数据与各个类别的高斯分布的概率密度函数，来确定待分类数据属于哪个类别。

在Python中，可以使用scikit-learn库中的GaussianNB模型来实现高斯分类。具体步骤包括数据预处理、模型训练和预测等。

下面是一个简单的示例代码：

from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建高斯分类器
gnb = GaussianNB()

# 训练模型
gnb.fit(X_train, y_train)

# 预测测试集
y_pred = gnb.predict(X_test)

# 输出准确率
print("Accuracy:", gnb.score(X_test, y_test))