Python 朴素贝叶斯分类器：GaussianNB 代码详解

这段代码使用朴素贝叶斯分类器（GaussianNB）对训练集（X_train 和 y_train）进行拟合，并在测试集（X_text 和 y_text）上进行预测。

代码中使用了 .score() 方法计算分类器在测试集上的准确率，并使用 .predict() 方法对测试集进行预测，并将结果保存在 y_pred 中。

代码解析：

1. gnb = GaussianNB()：创建了一个 GaussianNB 分类器对象。
2. gnb.fit(X_train, y_train)：使用训练集数据对模型进行拟合，训练分类器。
3. accuracy = gnb.score(X_text, y_text)：使用测试集数据评估模型的准确率。
4. y_pred = gnb.predict(X_text)：使用测试集数据对模型进行预测，并将预测结果保存在 y_pred 中。

总结：

这段代码演示了使用 Python 中的 GaussianNB 朴素贝叶斯分类器进行机器学习任务的基本流程，包括模型训练、评估和预测。