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()