利用鸢尾花数据集实践贝叶斯分类

前面我们已经详细介绍过鸢尾花数据集以及sklearn的使用，下面我们就来调用sklearn中的贝叶斯分类器来实现鸢尾花数据集的分类。

1. 首先，我们需要导入需要用到的包，模型以及数据集

import numpy as np
# 导入sklearn中有关于数据集的包
from sklearn import datasets
# 导入高斯朴素贝叶斯分类器
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
# 加载鸢尾花特征数据及其标签
# 当load_iris函数中的参数return_X_y=True，函数会返回前面介绍的鸢尾花数据集中的data和target
X, y = datasets.load_iris(return_X_y=True)

sklearn.datasets.load_iris函数

2. 样本划分，将数据划分为训练集和测试集

# train_test_split函数用于划分数据集，按照test_size=0.2，将80%的数据划分为训练集，20%的数据划分为测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

3. 导入定义的高斯朴素贝叶斯模型，并利用训练集数据进行训练

# 定义模型，给出模型的相关参数，该参数在sklearn 0.20以上的版本才有，低于此版本的sklearn会报错
clf = GaussianNB(var_smoothing=1e-8)
# 利用训练数据训练定义好的模型
clf.fit(X_train, y_train)

# GaussianNB(var_smoothing=1e-08)

sklearn.naive_bayes.GaussianNB

4. 利用训练好的模型进行预测

# 利用模型对测试集进行预测
y_pred = clf.predict(X_test)
# 评判模型预测的准确率（真确预测的个数/测试样本总个数）
acc = np.sum(y_test == y_pred) / X_test.shape[0]
# 打印准确率
print("Test Acc : %.3f" % acc)

# Test Acc : 0.967

可以看到模型在测试集上的准确率为96.7%

5. 我们挑选测试集中的一个样本来看看具体情况

# predict_proba函数分别计算该样本属于每一类的概率，概率总和为1
y_proba = clf.predict_proba(X_test[:1])
# 打印测试集第一个样本的预测结果
print(clf.predict(X_test[:1]))
# 打印测试集第一个样本分别属于每一类的概率
print("预计的概率值:", y_proba)

# [2]
# 预计的概率值: [[1.63542393e-232 2.18880483e-006 9.99997811e-001]]

可以看到模型预测出测试集第一个样本标签为第二类的可能性更大，且输出的标签也是2

6. 我们来看一下测试集第一个样本的真实标签是多少

print(y_test[:1])

# [2]

可以看到预测结果和真实结果是一致的。

至此，我们就完成了利用鸢尾花数据训练贝叶斯分类器的过程。