构建一个朴素贝叶斯算法源代码，针对鸢尾花数据集进行分类

朴素贝叶斯算法是一种基于概率统计的简单而强大的机器学习模型，常用于文本分类等场景。以下是使用Python的sklearn库构建一个基本的朴素贝叶斯分类器，针对鸢尾花（Iris）数据集进行分类的示例：

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = 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)

# 创建朴素贝叶斯分类器
gnb = GaussianNB()

# 训练模型
gnb.fit(X_train, y_train)

# 预测测试集结果
y_pred = gnb.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy * 100:.2f}%")

#