已有trainset.csv和testset.csv，如何用Python实现朴素贝叶斯算法？

你不需要用train_test_split，这个函数是用来从单一数据集中划分训练/测试集的，而你已经有单独的trainset.csv和testset.csv，直接读取文件训练模型即可，具体步骤如下：

1. 导入所需库 #

import pandas as pd
from sklearn.naive_bayes import GaussianNB  # 根据数据类型选择对应NB模型
from sklearn.metrics import accuracy_score

注：如果你的数据是离散计数特征（如文本词频），改用MultinomialNB；如果是二元特征，改用BernoulliNB

2. 读取并拆分数据集 #

假设你的CSV文件中，标签列名为label（根据实际列名修改）：

# 读取训练集和测试集
train_data = pd.read_csv("trainset.csv")
test_data = pd.read_csv("testset.csv")

# 分离特征矩阵和标签向量
X_train = train_data.drop("label", axis=1)
y_train = train_data["label"]
X_test = test_data.drop("label", axis=1)
y_test = test_data["label"]

3. 训练朴素贝叶斯模型 #

# 初始化模型
nb_model = GaussianNB()

# 用训练集训练模型
nb_model.fit(X_train, y_train)

4. 模型预测与评估 #

# 对测试集做预测
y_pred = nb_model.predict(X_test)

# 计算准确率（可替换为其他评估指标如precision、recall）
accuracy = accuracy_score(y_test, y_pred)
print(f"模型测试准确率: {accuracy:.2f}")

额外提示 #

• 如果数据存在缺失值，先用fillna()填充（如X_train.fillna(X_train.mean(), inplace=True)）
• 如果有类别型特征，需用OneHotEncoder或LabelEncoder做编码转换，确保模型能处理数值型输入

内容的提问来源于stack exchange，提问作者ouzzan