python 朴素贝叶斯代码

以下是一个简单的Python朴素贝叶斯分类器示例，使用sklearn库：

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

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

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=0)

# 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)

# 输出预测结果
print("预测结果:", y_pred)

# 计算准确率
accuracy = gnb.score(X_test, y_test)
print("准确率:", accuracy)

该示例使用Iris数据集进行演示。在示例中，首先加载数据集并将其拆分为训练集和测试集。然后，使用GaussianNB()函数创建一个朴素贝叶斯分类器，并使用fit()函数拟合训练集。最后，使用predict()函数对测试集进行预测，并计算准确率。