在本节中，我们将详细学习如何用Python构建各类分类器，涵盖朴素贝叶斯、支持向量机、逻辑回归、决策树和随机森林等常用模型，所有实现均基于Python 3和Scikit-learn库。

一、朴素贝叶斯分类器（Naive Bayes Classifier）

朴素贝叶斯是基于贝叶斯定理构建的分类技术，核心假设是“特征之间相互独立”——即某一类别中某个特征的存在，与其他特征的存在与否无关。

1. 构建所需条件

• 数据集：使用威斯康星州乳腺癌诊断数据库（Breast Cancer Wisconsin Diagnostic Database），包含569个肿瘤样本，每个样本有30个特征（如肿瘤半径、纹理、平滑度等），分类标签为“恶性（malignant）”或“良性（benign）”，可直接从Scikit-learn库导入。
• 模型选择：Scikit-learn提供三种朴素贝叶斯模型（GaussianNB、MultinomialNB、BernoulliNB），本文以高斯朴素贝叶斯（GaussianNB） 为例，适用于连续型特征。

2. 实现步骤

步骤1：导入库与数据集

## 导入Scikit-learn库
import sklearn
## 导入乳腺癌数据集
from sklearn.datasets import load_breast_cancer
## 加载数据集
data = load_breast_cancer()

步骤2：规整数据

数据集为字典格式，提取核心信息（标签名、标签值、特征名、特征值）并创建变量：

## 分类标签名（恶性/良性）
label_names = data['target_names']
## 实际标签值（0=恶性，1=良性）
labels = data['target']
## 特征属性名（如平均半径、纹理等）
feature_names = data['feature_names']
## 特征属性值
features = data['data']

步骤3：查看数据（可选，用于直观理解）

## 打印分类标签名
print(label_names)  # 输出：['malignant' 'benign']
## 打印第一个样本的标签（0=恶性）
print(labels[0])  # 输出：0
## 打印第一个特征名
print(feature_names[0])  # 输出：mean radius（平均半径）
## 打印第一个样本的特征值
print(features[0])  # 输出：包含30个特征值的数组，第一个特征值为17.99（平均半径）

从输出可知，第一个样本是平均半径为17.99的恶性肿瘤。

步骤4：划分训练集与测试集

使用train_test_split()函数将数据拆分，40%用于测试，60%用于训练：

from sklearn.model_selection import train_test_split
## 拆分数据（test_size=测试集占比，random_state=随机种子，保证结果可复现）
train, test, train_labels, test_labels = train_test_split(
    features, labels, test_size=0.40, random_state=42
)

步骤5：构建并训练模型

## 导入高斯朴素贝叶斯模块
from sklearn.naive_bayes import GaussianNB
## 初始化模型
gnb = GaussianNB()
## 拟合训练数据，完成模型训练
model = gnb.fit(train, train_labels)

步骤6：模型预测与准确率评估

## 用测试集进行预测
preds = gnb.predict(test)
## 打印预测结果（0=恶性，1=良性）
print(preds)  
## 输出：一串0和1的数组
[1 0 0 1 1 0 0 0 1 1 1 0 1 0 1 0 1 1 1 0 1 1 0 1 1 1 1 1 1
 0 1 1 1 1 1 1 0 1 0 1 1 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 0 
 0 1 1 0 0 1 1 1 0 0 1 1 0 0 1 0 1 1 1 1 1 1 0 1 1 0 0 0 0 
 0 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 0 1 1 1 0 1 1 0 1 1 0 0 0 
 1 1 1 0 0 1 1 0 1 0 0 1 1 0 0 0 1 1 1 0 1 1 0 0 1 0 1 1 0 
 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0 
 1 1 0 1 1 1 1 1 1 0 0 0 1 1 0 1 0 1 1 1 1 0 1 1 0 1 1 1 0 
 1 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 0 1 1 0 1]
## 导入准确率评估函数
from sklearn.metrics import accuracy_score
## 计算并打印准确率
print(accuracy_score(test_labels, preds))  
## 输出：0.951754385965（约95.17%）

结果说明

高斯朴素贝叶斯分类器在该数据集上的准确率达95.17%，能有效区分恶性和良性肿瘤。

二、支持向量机（SVM）分类器

支持向量机（SVM）是可用于分类和回归的监督学习算法，核心思想是：将每个数据点映射到n维空间（n=特征数），每个特征对应空间中的一个坐标，通过寻找最优超平面将数据划分为不同类别。

1. 构建所需条件

• 数据集：使用鸢尾花（Iris）数据集，包含3类鸢尾花（各50个样本），每个样本有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）。
• 核函数：将低维空间映射到高维空间，解决线性不可分问题，本文使用线性核（linear），其他可选核函数包括多项式核（poly）、径向基核（rbf）、S型核（sigmoid）。

2. 实现步骤

步骤1：导入库与数据集

import pandas as pd
import numpy as np
from sklearn import svm, datasets
import matplotlib.pyplot as plt
## 加载鸢尾花数据集
iris = datasets.load_iris()

步骤2：选择特征与标签

选取前两个特征（花萼长度、花萼宽度）用于可视化：

X = iris.data[:, :2]  # 特征（前两个）
y = iris.target       # 标签（3类鸢尾花）

步骤3：创建可视化网格

为绘制分类边界，生成均匀分布的网格点：

## 定义网格的边界（特征值±1，留出余量）
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
## 定义网格步长
h = (x_max / x_min) / 100
## 生成网格点
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
## 规整网格点格式，适配模型输入
X_plot = np.c_[xx.ravel(), yy.ravel()]

步骤4：构建并训练SVM模型

## 正则化参数（C越大，对误分类的惩罚越重）
C = 1.0

步骤5：模型预测与可视化

## 创建SVM分类器对象（线性核，多分类采用ovr策略）
svc_classifier = svm.SVC(kernel='linear', 
C=C, decision_function_shape='ovr').fit(X, y)
## 对网格点进行预测
Z = svc_classifier.predict(X_plot)
## 重塑预测结果格式，适配网格维度
Z = Z.reshape(xx.shape)
## 绘制分类边界与原始数据
plt.figure(figsize=(15, 5))
plt.subplot(121)
## 绘制分类边界（填充颜色）
plt.contourf(xx, yy, Z, cmap=plt.cm.tab10, alpha=0.3)
## 绘制原始数据点（按标签着色）
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Set1)
plt.xlabel('Sepal length（花萼长度）')
plt.ylabel('Sepal width（花萼宽度）')
plt.xlim(xx.min(), xx.max())
plt.title('SVC with linear kernel（线性核SVM分类器）')
plt.show()