给一个机器学习西瓜分类代码

机器学习西瓜分类代码示例

• 朴素贝叶斯分类法：这是一种基于概率的分类方法，适用于离散特征的数据集，如西瓜分类问题。37
• 代码实现：以下是一个简单的西瓜分类代码示例，使用Python实现朴素贝叶斯分类器。

# 导入所需库
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 假设X为特征数据，y为标签数据
# X, y = load_data()  # 加载数据的函数

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建朴素贝叶斯分类器实例
clf = GaussianNB()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy * 100:.2f}%")

请注意，上述代码是一个示例，实际使用时需要根据具体的数据集进行调整。此外，还有其他机器学习算法可以用于西瓜分类，如神经网络等。9