朴素贝叶斯分类器的Python代码,用于汽车满意度数据集的分类,数据集特征有购买价格,保养价格,门的个数,载客数,车身的大小,安全等级,汽车满意度
时间: 2024-05-15 08:15:44 浏览: 24
首先,需要导入必要的库,包括pandas、numpy、sklearn中的train_test_split和MultinomialNB。接下来,读取数据集并进行必要的预处理,例如将字符串类型数据转化为数值类型数据。
代码如下:
```python
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import MultinomialNB
# 读取数据集并进行预处理
data = pd.read_csv('car_data.csv')
data['buying'] = data['buying'].map({'vhigh': 4, 'high': 3, 'med': 2, 'low': 1})
data['maint'] = data['maint'].map({'vhigh': 4, 'high': 3, 'med': 2, 'low': 1})
data['doors'] = data['doors'].map({'2': 2, '3': 3, '4': 4, '5more': 5})
data['persons'] = data['persons'].map({'2': 2, '4': 4, 'more': 6})
data['lug_boot'] = data['lug_boot'].map({'small': 1, 'med': 2, 'big': 3})
data['safety'] = data['safety'].map({'low': 1, 'med': 2, 'high': 3})
data['satisfaction'] = data['satisfaction'].map({'unacc': 0, 'acc': 1, 'good': 2, 'vgood': 3})
# 分离特征和目标变量
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values
# 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=0)
# 训练模型
nb = MultinomialNB()
nb.fit(X_train, y_train)
# 预测测试集
y_pred = nb.predict(X_test)
# 输出准确率
print('Accuracy:', nb.score(X_test, y_test))
```
在上述代码中,我们使用了MultinomialNB分类器,因为它适用于离散特征。在训练模型之后,我们对测试集进行预测,并输出准确率。
相关推荐
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)