过去几天，我一直在尝试用Python实现朴素贝叶斯分类器，使用的是来自UCI的鸢尾花数据集（http://archive.ics.uci.edu/ml/datasets/Iris）。在尝试对100个随机样本进行分类时，我的准确率只有30-40%。我认为我的概率函数是正确的，因为我用维基百科的例子测试过（https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Examples）。

以下是我所做的步骤：

• 加载数据
• 将数据分为三个类别
• 计算每个类别的均值和方差

然后，对于100个随机样本，我：

• 计算每个特征属于某一类别的概率

• 通过将每个类别的概率相乘来计算后验概率的分子

• 将值存储在一个列表中，并获取最高值的索引

• 将最高值的索引与真实索引进行比较（检查预测是否正确）

但不知为何，我的准确率只有30-40%，我是不是做错了什么？

如果你想查看代码，可以在这里找到：http://pastebin.com/sUYm97qi

回答：

哈哈——你的代码非常简洁清晰，所以我直到看到最后才明白是怎么回事。

你比较的是classes[max_index]，即预测的类别名称，与y[max_index]，即最大索引处的实例标签值。

尝试将你的代码改为

if(classes[max_index] == y[q]):    corr += 1

你应该能得到大约96%的准确率