基于朴素贝叶斯网络的iris鸢尾花数据集分类到新闻分类_采用鸢尾花数据集,实现朴素贝叶斯算法,并将结果可视化展示。

本篇文章是对最简单的朴素贝叶斯网络的运用进行python实践，先对iris鸢尾花数据集做一个分类预实验，再对实际新闻进行分类预测
有关贝叶斯网络原理可以查看这篇文章 ：贝叶斯网络基础

一、iris鸢尾花数据集分类
1、开头先导入相关模块：

import matplotlib.pyplot as plt  # 绘图
from sklearn.datasets import load_iris  #导入鸢尾花集
from sklearn.model_selection import train_test_split #对数据集进行切分
from sklearn.naive_bayes import MultinomialNB  # 朴素贝叶斯网络模型
1
2
3
4

2、导入鸢尾花数据集：

X = load_iris().data  # 数据集
Y = load_iris().target  # 相应类别标签
1
2

鸢尾花数据集一共有150行，每一行代表一个鸢尾花的一些属性，比如花瓣长度、花瓣宽度等；数据集中一共有3类，所有标签类别为0 1 2

数据集data（没有展现完）

类别标签：

3、鸢尾花数据集分类

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=0)  
#将数据集按照 训练集比测试集为8：2的比例随机拆分数据集
clf = MultinomialNB()  # 建立朴素贝叶斯网络
clf.fit(X_train, y_train)  # 带入训练集训练模型
pre = clf.predict(X_test)  # 预测测试集中特征矩阵所属的类别
print('预测集标签')
print(y_test)
print('预测结果')
print(pre)

1
2
3
4
5
6
7
8
9
10

打印出来看看，预测标签和预测结果有很多不吻合的

4、计算预测结果

N = len(pre)
right 
1