基于sklearn的鸢尾花分类,调用GaussianNB模型,classification_report用于详细的分类性能报告

朴素贝叶斯实现算法。

要求：

•基于sklearn的鸢尾花分类

•按照4/1分训练和测试；

•调用GaussianNB模型；

•打印出准确率；

•从sklearn.metrics里导入classification_report用于详细的分类性能报告。

代码示例如下

#从sklearn.model_selection导入train_test_split。
from sklearn.model_selection import train_test_split
#从sklearn.naive_bayes里导入朴素贝叶斯模型。
from sklearn.naive_bayes import GaussianNB
#从sklearn.metrics里导入classification_report用于详细的分类性能报告。
from sklearn.metrics import classification_report
#预存数据
from sklearn import datasets

iris = datasets.load_iris()
X=iris.data
y = iris.target
#随机采样20%的数据样本作为测试集。
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=1/4,random_state=3)

#从使用默认配置初始化朴素贝叶斯模型。
mnb = GaussianNB ()
#利用训练数据对模型参数进行估计。
mnb.fit(X_train,y_train)
#对测试样本进行类别预测，结果存储在变量y _predict中。
y_predict = mnb.predict(X_test)
#打印出准确率
print('The accuracy of Naive Bayes Classifier is', mnb.score(X_test,y_test))
#打印详细的分类性能报告
print(classification_report(y_test,y_predict,target_names = iris.target_names))

运行结果

The accuracy of Naive Bayes Classifier is 0.9736842105263158
              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.92      0.96        12
   virginica       0.92      1.00      0.96        11

    accuracy                           0.97        38
   macro avg       0.97      0.97      0.97        38
weighted avg       0.98      0.97      0.97        38

仅做学习交流，欢迎批评指正。