朴素贝叶斯sklearn实现
时间: 2024-05-25 14:06:24 浏览: 91
Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN等等).zip
以下是使用Sklearn实现朴素贝叶斯分类器的示例代码:
```python
# 导入需要的库和模块
from sklearn.naive_bayes import BernoulliNB
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 创建伯努利朴素贝叶斯分类器对象
clf = BernoulliNB()
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集结果
y_pred = clf.predict(X_test)
# 输出预测结果
print("预测结果:", y_pred)
# 输出模型准确率
print("模型准确率:", clf.score(X_test, y_test))
```
该示例代码使用Sklearn库中的BernoulliNB类实现了伯努利朴素贝叶斯分类器,并使用鸢尾花数据集进行了训练和测试。在训练完成后,使用测试集进行预测,并输出预测结果和模型准确率。
阅读全文