鸢尾花贝叶斯交叉验证+交叉验证

以下是使用鸢尾花数据集进行贝叶斯交叉验证和交叉验证的示例代码：

from sklearn.datasets import load_iris
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import cross_val_score, GridSearchCV

# 加载鸢尾花数据集
iris = load_iris()

# 创建高斯朴素贝叶斯分类器
gnb = GaussianNB()

# 使用交叉验证评估模型性能
scores = cross_val_score(gnb, iris.data, iris.target, cv=5)

# 输出每次交叉验证的准确率和平均准确率
print("Cross-validation scores: {}".format(scores))
print("Average score: {}".format(scores.mean()))

# 使用网格搜索调整超参数
param_grid = {'var_smoothing': [1e-9, 1e-8, 1e-7, 1e-6, 1e-5]}
grid = GridSearchCV(gnb, param_grid, cv=5)
grid.fit(iris.data, iris.target)

# 输出最佳参数和最佳准确率
print("Best parameters: {}".format(grid.best_params_))
print("Best cross-validation score: {:.2f}".format(grid.best_score_))