python分类器朴素贝叶斯构建

朴素贝叶斯分类器是一种基于概率的机器学习模型，尤其适用于文本分类和垃圾邮件过滤等任务。在Python中，我们可以使用sklearn库来轻松构建这种分类器。以下是构建步骤：

1. **导入必要的库**:

   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

2. **加载数据集** (这里以Iris数据集为例):

   iris = load_iris()
   X = iris.data
   y = iris.target

3. **分割数据集** (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)

4. **创建并训练朴素贝叶斯分类器**:

   nb_classifier = GaussianNB()  # 使用高斯朴素贝叶斯(对于数值型数据)
   nb_classifier.fit(X_train, y_train)

5. **预测和评估**:

   y_pred = nb_classifier.predict(X_test)
   accuracy = accuracy_score(y_test, y_pred)
   print(f"Accuracy: {accuracy}")