贝叶斯水果分类器python

贝叶斯水果分类器是一种基于贝叶斯定理的概率机器学习算法，常用于文本分类、垃圾邮件检测等场景。在Python中，我们可以利用scikit-learn库来实现一个简单的贝叶斯分类器，如朴素贝叶斯（Naive Bayes）模型。朴素贝叶斯假设各个特征之间相互独立，这在处理文档分类时较为常见。

以下是创建一个简单贝叶斯水果分类器的基本步骤：

1. 导入所需的库：

from sklearn.datasets import load_iris   # 使用iris数据集作为示例，也可以替换为fruit数据集
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB   # 使用高斯朴素贝叶斯
from sklearn.metrics import accuracy_score

2. 加载数据并预处理：

data = load_iris()  # 数据来自scikit-learn内置的iris数据集
X = data.data     # 特征矩阵
y = data.target  # 类别标签

# 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)

3. 创建并训练分类器：

gnb = GaussianNB()  # 实例化高斯朴素贝叶斯
gnb.fit(X_train, y_train)  # 训练模型

4. 预测和评估：

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