【实践指南】scikit-learn与朴素贝叶斯：快速上手

在机器学习的世界里，分类问题是十分常见的任务之一。今天我们将会使用Python中的scikit-learn库来演示如何使用朴素贝叶斯分类器对著名的鸢尾花（Iris）数据集进行分类。

1 导入库

首先，我们需要导入必要的库：

import numpy as np
from sklearn import datasets
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt

2 加载数据

接下来，我们将加载鸢尾花数据集，并查看数据的结构：

iris = datasets.load_iris()
X = iris.data
y = iris.target

print("Features names:", iris.feature_names)
print("Target names:", iris.target_names)

3 划分数据集

为了评估模型的性能，我们将数据集分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

4 创建并训练模型

创建一个高斯朴素贝叶斯分类器，并使用训练数据对其进行训练：

gnb = GaussianNB()
gnb.fit(X_train, y_train)

5 模型评估

使用测试集来评估模型的准确性：

y_pred = gnb.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy * 100:.2f}%")

6 可视化结果

为了让结果更直观，我们可以绘制出分类边界图。这里仅展示前两个特征的分类结果：

# 准备绘图
h = .02  # meshgrid步长
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                     np.arange(y_min, y_max, h))
Z = gnb.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

# 绘制决策边界
plt.figure(1, figsize=(8, 6))
plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired)

# 绘制样本点
plt.scatter(X[:, 0], X[:, 1], c=y, edgecolors='k', cmap=plt.cm.Paired)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')

plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.xticks(())
plt.yticks(())

plt.title('Decision boundary')
plt.show()