朴素贝叶斯调包实例python代码，数据集为iris

以下是一个朴素贝叶斯分类器的调包实例Python代码，数据集为iris：

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

# 加载数据集
iris = load_iris()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

# 训练朴素贝叶斯分类器
clf = GaussianNB()
clf.fit(X_train, y_train)

# 进行预测
predicted_labels = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, predicted_labels)
print('Accuracy:', accuracy)

说明：

1. 首先加载iris数据集。
2. 将数据集分为训练集和测试集，这里使用的是train_test_split函数。
3. 训练朴素贝叶斯分类器，这里使用的是GaussianNB，因为iris数据集的特征是连续值，所以使用高斯朴素贝叶斯分类器。
4. 进行预测。
5. 计算准确率，这里使用的是accuracy_score函数。