调用sklearn库中的朴素贝叶斯并测试正确率

可以使用以下代码调用sklearn库中的朴素贝叶斯，并测试模型的正确率：

from sklearn import datasets
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split

# 加载数据集
iris = datasets.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, test_size=0.3, random_state=42)

# 创建朴素贝叶斯分类器
gnb = GaussianNB()

# 训练模型
gnb.fit(X_train, y_train)

# 预测测试集
y_pred = gnb.predict(X_test)

# 计算正确率
accuracy = (y_pred == y_test).sum() / len(y_test)
print("朴素贝叶斯模型的正确率为: {:.2f}%".format(accuracy*100))

在这个例子中，我们加载了鸢尾花数据集，并使用高斯朴素贝叶斯分类器训练了模型。然后，我们将数据集划分为训练集和测试集，并使用测试集来测试模型的正确率。你可以根据自己的需求修改数据集和模型参数。