使用高斯朴素贝叶斯算法对鸢尾花数据集进行分类

高斯朴素贝叶斯算法通常用于特征变量是连续变量,符合高素分布的情况。

使用高斯朴素贝叶斯算法对鸢尾花数据集进行分类

"""

使用高斯贝叶斯堆鸢尾花进行分类

"""

#导入需要的库

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

from sklearn.naive_bayes import GaussianNB

from sklearn.metrics import accuracy_score

#导入数据

x,y = load_iris().data,load_iris().target

#划分数据集

x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=1, test_size=50)

#定义和训练模型

model = GaussianNB()

model.fit(x_train,y_train)

#模型评估

pred = model.predict(x_test)

print("测试集数据的预测标签为",pred)

print("测试集数据的真实标签为",y_test)

print("测试集共有%d条数据,其中预测错误的数据有%d条,预测准确率为%.2f"%(x_test.shape[0],(pred!=y_test).sum(),

accuracy_score(y_test,pred)))

输出的结果为:

测试集数据的预测标签为 [0 1 1 0 2 2 2 0 0 2 1 0 2 1 1 0 1 1 0 0 1 1 2 0 2 1 0 0 1 2 1 2 1 2 2 0 1

0 1 2 2 0 1 2 1 2 0 0 0 1]

测试集数据的真实标签为 [0 1 1 0 2 1 2 0 0 2 1 0 2 1 1 0 1 1 0 0 1 1 1 0 2 1 0 0 1 2 1 2 1 2 2 0 1

0 1 2 2 0 2 2 1 2 0 0 0 1]

测试集共有50条数据,其中预测错误的数据有3条,预测准确率为0.94

相关推荐
weixin_464078071 分钟前
机器学习sklearn:决策树的参数、属性、接口
决策树·机器学习·sklearn
NeoFii21 分钟前
Day 24:元组与os模块
python·机器学习
竹子_231 小时前
二分法详解:用生活例子 + 图示
python·算法·生活
用户4822137167752 小时前
Python——正则表达式(字符匹配-贪婪模式)
算法
二向箔reverse2 小时前
经典算法题解析:从思路到实现,掌握核心编程思维
算法
神经星星2 小时前
估值准确率超99%!基于YOLOv11的陶瓷分类智能框架融合视觉建模与经济分析,实现文物分类及价值估测
人工智能·机器学习·开源
天一生水water2 小时前
聚类的肘部法则原理
算法·支持向量机·聚类
007tg2 小时前
007TG洞察:GPT-5前瞻与AI时代竞争力构建:技术挑战与落地路径
人工智能·gpt·机器学习
Blossom.1183 小时前
基于深度学习的图像分类:使用ShuffleNet实现高效分类
人工智能·python·深度学习·目标检测·机器学习·分类·数据挖掘
徐礼昭|商派软件市场负责人3 小时前
数智驱动的「库存管理」:从风险系数、ABC分类到OMS和ERP系统的协同优化策略
大数据·人工智能·分类