python 读取csv文件数据 贝叶斯分类算法分类
时间: 2023-07-05 21:05:42 浏览: 102
可以使用Python中的pandas库来读取csv文件数据,并使用sklearn库中的朴素贝叶斯分类器进行分类。
以下是一个简单的示例代码:
```python
import pandas as pd
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取csv文件数据
data = pd.read_csv('data.csv')
# 将数据分为特征和标签
X = data.drop('label', axis=1)
y = data['label']
# 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)
# 训练贝叶斯分类器
clf = GaussianNB()
clf.fit(X_train, y_train)
# 对测试集进行预测
y_pred = clf.predict(X_test)
# 输出准确率
print("Accuracy: ", accuracy_score(y_test, y_pred))
```
其中,`data.csv`是包含数据和标签的csv文件。代码将数据分为特征和标签,使用`train_test_split`函数将数据划分为训练集和测试集,然后使用朴素贝叶斯分类器进行训练和预测,并输出准确率。