贝叶斯分类算法实例代码

贝叶斯分类算法是一种常用的机器学习算法，用于进行分类任务。下面是一个使用Python实现的贝叶斯分类算法的示例代码：

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

# 加载数据集
iris = 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=0.2, random_state=42)

# 创建贝叶斯分类器
model = GaussianNB()

# 在训练集上训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这段代码使用了scikit-learn库中的`GaussianNB`类来实现贝叶斯分类算法。首先，我们加载了一个经典的鸢尾花数据集（iris），然后将数据集划分为训练集和测试集。接下来，我们创建了一个贝叶斯分类器对象，并在训练集上训练模型。最后，我们使用训练好的模型对测试集进行预测，并计算预测准确率。