用Python朴素贝叶斯算法案例代码运行

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：

# 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--