贝叶斯分类 python
时间: 2023-10-29 15:00:35 浏览: 43
贝叶斯分类是一种常用的机器学习算法,它基于贝叶斯定理和特征之间的条件独立性假设。在Python中,你可以使用scikit-learn库来实现贝叶斯分类。
首先,你需要导入所需的库:
```python
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
```
然后,准备你的数据集。假设你有一个包含特征和相应类别标签的数据集,你可以将其拆分为训练集和测试集:
```python
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)
```
接下来,创建一个贝叶斯分类器对象并拟合训练数据:
```python
classifier = GaussianNB()
classifier.fit(X_train, y_train)
```
然后,可以使用训练好的分类器对测试数据进行预测,并计算准确率:
```python
y_pred = classifier.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100))
```
这样就完成了贝叶斯分类的基本步骤。当然,在实际应用中,你可能还需要进行特征工程、调优参数等额外步骤来提高模型性能。