朴素贝叶斯实现手写体识别代码

好的，以下是一个简单的朴素贝叶斯实现手写体识别的代码：

import numpy as np
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split

# 载入手写数字数据集
digits = load_digits()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.3)

# 训练朴素贝叶斯分类器
gnb = GaussianNB()
gnb.fit(X_train, y_train)

# 对测试集进行预测
y_pred = gnb.predict(X_test)

# 计算分类器的准确率
accuracy = np.sum(y_pred == y_test) / len(y_test)
print('Accuracy:', accuracy)

这个代码使用了 `sklearn` 库中的 `GaussianNB` 类来实现朴素贝叶斯分类器。首先，载入手写数字数据集，并将其划分为训练集和测试集。然后，使用训练集来训练分类器。最后，使用测试集来评估分类器的准确率。