使用高斯朴素贝叶斯算法进行分类代码

高斯朴素贝叶斯（Gaussian Naive Bayes）是一种基于贝叶斯定理的统计学习方法，常用于文本分类、情感分析等场景。在Python的`scikit-learn`库中，可以使用`GaussianNB`类来进行分类。以下是使用高斯朴素贝叶斯进行二分类的一个简单示例：

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

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 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)

# 创建并训练模型
gnb = GaussianNB()
gnb.fit(X_train, y_train)

# 预测
y_pred = gnb.predict(X_test)

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