朴素贝叶斯算法python

朴素贝叶斯算法是一种基于概率论的分类算法，常用于文本分类、垃圾邮件过滤、情感分析等领域。在Python中，可以使用sklearn库中的朴素贝叶斯分类器进行实现。

以下是一个简单的例子，使用朴素贝叶斯算法对鸢尾花数据集进行分类。

from sklearn.datasets import load_iris
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 创建朴素贝叶斯分类器
clf = GaussianNB()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

在这个例子中，我们首先加载了鸢尾花数据集，并将其划分为训练集和测试集。然后，我们创建了一个高斯朴素贝叶斯分类器，并使用训练集进行训练。接着，我们使用测试集进行预测，并计算准确率。最终输出准确率为0.977。