基于sklearn.naive-bayes模块和乳腺癌数据集,编写代码训练一个朴素贝叶斯模型并进行预测
时间: 2023-06-10 13:05:01 浏览: 80
好的,我会为您提供朴素贝叶斯模型的代码,以及训练和预测的步骤。以下是示例代码:
```python
# 导入所需的库
from sklearn.datasets import load_breast_cancer
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
cancer_data = load_breast_cancer()
# 定义特征和标签
X = cancer_data.data
y = cancer_data.target
# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 创建朴素贝叶斯分类器
clf = GaussianNB()
# 训练模型
clf.fit(X_train, y_train)
# 预测数据
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy*100))
```
在这个示例中,我们导入了必要的库和数据集,并分割了数据集以用于训练和测试。我们使用 `GaussianNB` 类创建了一个朴素贝叶斯分类器,并使用训练集对其进行了训练。接着,我们使用测试集预测了数据并计算了准确率。
注意:该示例只是朴素贝叶斯模型的一种实现方式,仅供参考。在实际应用中,您需要根据具体情况选择最合适的模型和方法。