bayes_classification_model(Python)

本文使用Python的sklearn库实现基于鸢尾花数据集的朴素贝叶斯分类器。通过划分训练集与测试集,利用多项式朴素贝叶斯模型进行训练,并评估模型在训练集及测试集上的表现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import numpy as np
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import classification_report,confusion_matrix
 
data = datasets.load_iris()
x,y = data.data,data.target

x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.4,random_state=1)
    
clf = MultinomialNB(alpha=1.0,fit_prior=True,class_prior=None)
clf.fit(x_train,y_train)
print('训练集上预测结果为:\n',classification_report(y_train,clf.predict(x_train)))
trainMatrix = confusion_matrix(y_train,clf.predict(x_train))
dfTrain = pd.DataFrame(trainMatrix)
dfTrain.index.name = 'actual'
dfTrain.columns.name = 'predict'
print(dfTrain)

print('测试集上的预测结果为:\n',classification_report(y_test,clf.predict(x_test),target_names=['a','b','c']))
testMatrix = confusion_matrix(y_test,clf.predict(x_test))
dfTest = pd.DataFrame(testMatrix)
dfTest.index.name = 'actual'
dfTest.columns.name = 'predict'
print(dfTest)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值