朴素贝叶斯模型算法之鸢尾花数据实验代码python

朴素贝叶斯算法是一种基于概率的分类方法，在Python中常用scikit-learn库来进行实现。以鸢尾花（Iris）数据集为例，这是机器学习领域的一个经典数据集，包含了三种类型的鸢尾花（Setosa、Versicolour和Virginica）的测量值。

以下是使用Python进行简单朴素贝叶斯分类的一个示例代码：

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import classification_report

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data   # 特征
y = iris.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=0.3, random_state=42)

# 创建并训练朴素贝叶斯分类器
gnb = GaussianNB()  # 使用高斯朴素贝叶斯假设
gnb.fit(X_train, y_train)

# 预测测试集
y_pred = gnb.predict(X_test)

# 输出预测结果报告
print(classification_report(y_test, y_pred))

#