使用交叉验证来评估模型表现，同时尝试使用其他分类算法。

示例代码：

from sklearn.model_selection import cross_val_predict from sklearn.metrics import accuracy_score from sklearn.naive_bayes import GaussianNB from sklearn.linear_model import LogisticRegression

加载数据集

X = [特征一, 特征二, ...] y = [类别一, 类别一, ...]

创建朴素贝叶斯和逻辑回归模型

nb = GaussianNB() lr = LogisticRegression()

使用10折交叉验证评估模型表现

nb_y_pred = cross_val_predict(nb, X, y, cv=10) lr_y_pred = cross_val_predict(lr, X, y, cv=10)

计算精度

nb_accuracy = accuracy_score(y, nb_y_pred) lr_accuracy = accuracy_score(y, lr_y_pred)

print('朴素贝叶斯精度：', nb_accuracy) print('逻辑回归精度：', lr_accuracy)