朴素贝叶斯算法判断男女代码

朴素贝叶斯算法是一种基于概率统计的分类方法，在文本分类、垃圾邮件识别等场景中广泛应用。用于二分类任务，比如预测一个人的性别。下面是一个简单的Python示例，假设我们有一份包含用户特征的数据集（如年龄、收入、教育程度等），并已知一部分人的性别信息：

from sklearn.naive_bayes import GaussianNB
import pandas as pd

# 假设我们有一个DataFrame df，其中'gender'列是我们要预测的目标变量，其他列是特征
# gender列有0（男）和1（女）
data = pd.read_csv('gender_data.csv')

# 分割数据集为特征（X）和目标变量（y）
X = data.drop('gender', axis=1)
y = data['gender']

# 创建朴素贝叶斯分类器
gnb = GaussianNB()

# 使用训练数据拟合模型
gnb.fit(X, y)

# 对新数据进行预测
new_person = {'age': 30, 'income': 50000, 'education': '大学'}  # 假设的新样本
prediction = gnb.predict([new_person])

# 预测结果
if prediction[0] == 0:
    print("这个人可能是男性")
else:
    print("这个人可能是女性")