用Python朴素贝叶斯算法案例代码运行
时间: 2024-10-23 18:02:09 浏览: 42
项目实战-朴素贝叶斯算法实现垃圾邮件过滤源码及数据集(期末大作业).zip
5星 · 资源好评率100%
朴素贝叶斯分类是一种基于概率的简单而强大的机器学习算法,常用于文本分类、垃圾邮件检测等场景。以下是使用Python的`sklearn`库实现朴素贝叶斯分类的一个基础例子,假设我们要对鸢尾花数据集进行分类:
```python
# 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 # 特征
y = iris.target # 类别标签
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建朴素贝叶斯分类器实例
gnb = GaussianNB()
# 训练模型
gnb.fit(X_train, y_train)
# 预测
y_pred = gnb.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
# 示例代码完整运行结束后,你可以询问相关问题--
阅读全文