Pima印第安人糖尿病数据集（Pima Indians Diabetes Database）可从多个渠道获取，以下是几种常见的获取方式： ### 从UCI机器学习库下载 UCI机器学习库是一个常用的公开数据集资源库，Pima数据集也可在其中找到。可使用`pandas`库读取下载的CSV文件。 ```python import pandas as pd # 从UCI机器学习库下载数据集 url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data' column_names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = pd.read_csv(url, names=column_names) # 提取特征和标签 X = data.drop('class', axis=1).values y = data['class'].values ``` ### 从Kaggle获取 Kaggle是一个数据科学竞赛平台，也提供了Pima数据集。需要先在Kaggle上下载数据集文件，再使用`pandas`读取。 ```python import pandas as pd # 读取本地下载的数据集文件 data = pd.read_csv('pima-indians-diabetes.csv') # 提取特征和标签 X = data.drop('Outcome', axis=1).values y = data['Outcome'].values ``` ### 使用`sklearn`库模拟（不推荐） 虽然`sklearn`库中没有直接提供Pima数据集，但可以使用其他类似的数据集进行模拟测试，如之前代码中使用的`load_diabetes`。不过这种方式并非真正的Pima数据集。 ```python from sklearn.datasets import load_diabetes data = load_diabetes() X = data.data y = data.target ``` 将获取到的数据集用于基于贝叶斯分类器构建的十折交叉验证函数`tenfold`的测试，示例代码如下： ```python import numpy as np from sklearn.naive_bayes import GaussianNB from sklearn.model_selection import KFold def tenfold(X, y): kf = KFold(n_splits=10, shuffle=True, random_state=42) accuracies = [] for train_index, test_index in kf.split(X): X_train, X_test = X[train_index], X[test_index] y_train, y_test = y[train_index], y[test_index] # 构建贝叶斯分类器 model = GaussianNB() model.fit(X_train, y_train) # 预测 y_pred = model.predict(X_test) # 计算准确率 accuracy = np.mean(y_pred == y_test) accuracies.append(accuracy) return np.mean(accuracies) # 假设已经获取到X和y average_accuracy = tenfold(X, y) print(f"十折交叉验证的平均准确率: {average_accuracy}") ```