贝叶斯分类 python  
贝叶斯分类器是一种基于贝叶斯定理的分类方法，常用于文本分类、垃圾邮件过滤等领域。
在Python中，我们可以使用scikit-learn库来实现贝叶斯分类器。
下面是一个使用Gaussian Naive Bayes(高斯朴素贝叶斯)分类器的简单示例：
在这个例子中，我们使用了鸢尾花数据集，这是一个常用的多类别分类数据集。我们首先将数据集分为训练集和测试集，然后创建了一个高斯朴素贝叶斯分类器对象，并使用训练集对其进行训练。最后，我们使用测试集进行预测，并打印出分类器的精度。除了高斯朴素贝叶斯分类器之外，scikit-learn还提供了其他类型的朴素贝叶斯分类器，如多项式朴素贝叶斯分类器和伯努利朴素贝叶斯分类器，可以根据具体的问题选择合适的分类器。

代码如下：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn import metrics
iris=load_iris()
X=iris.data
Y=iris.target
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,test_size=0.2,random_state=42)
gnb=GaussianNB()
gnb.fit(X_train,Y_train)
gnb.fit(X_train,Y_train)
Y_pred=gnb.predict(X_test)
print("Accuracy:",metrics.accuracy_score(Y_test,Y_pred))