贝叶斯决策模型的python代码设计
时间: 2023-10-14 18:35:12 浏览: 165
贝叶斯决策模型是一种基于概率论的决策方法,可以用于解决分类问题。在Python中,我们可以使用scikit-learn库来实现贝叶斯决策模型,具体代码如下:
```python
# 导入必要的库
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris
# 加载数据集
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, random_state=0)
# 定义贝叶斯模型
model = GaussianNB()
# 拟合模型
model.fit(X_train, y_train)
# 预测结果
y_pred = model.predict(X_test)
# 输出准确率
print("Accuracy: {:.2f}".format(model.score(X_test, y_test)))
```
在上述代码中,我们首先导入了必要的库,包括贝叶斯模型和数据集加载的库。然后,我们加载了iris数据集,并使用train_test_split函数将数据集分为训练集和测试集。接着,我们定义了一个GaussianNB对象作为我们的贝叶斯模型,并使用fit方法将模型拟合到训练数据上。最后,我们使用predict方法对测试数据进行预测,并使用score方法计算模型的准确率。
阅读全文