sklearn朴素贝叶斯分类

 

from sklearn import datasets
from sklearn.naive_bayes import GaussianNB

#导入数据集中的鸢尾花数据（每项有4个特征数据值，1个目标类别值）
iris=datasets.load_iris()

#X为特征数据 y是类别值
X=iris.data
y=iris.target

#总数据条数 遍历显示
icount=X.shape[0]

for i in range(icount-1):
    print(X[i],"--->",y[i])

#调用高斯朴素贝叶斯分类器
gnb=GaussianNB()

#填入数据进行训练
gnb.fit(X,y)

#训练完后预测（此处用的测试数据是训练数据同一份，实际可以用新输入数据）
test_data=iris.data
y_predicted=gnb.predict(test_data)


#显示预测结果
print("\n预测结果:\n",y_predicted)

#显示预测错误率
print("\n总数据%d条 预测失误%d条"%(iris.data.shape[0],(iris.target!=y_predicted).sum()))

 

来源：CSDN

作者：一粒马豆

链接：https://blog.csdn.net/MAILLIBIN/article/details/83017156