以下是使用 Python 实现朴素贝叶斯算法来预测未来一天是否下雨的示例代码： ```python import pandas as pd from sklearn.naive_bayes import GaussianNB # 定义数据 data = {'序号': [1, 2, 3, 4, 5, 6, 7], '下雨': [1, 0, 1, 1, 0, 0, 1], '刮风': [1, 1, 0, 0, 1, 0, 0], '闷热': [1, 1, 0, 1, 0, 1, 0], '多云': [0, 1, 0, 1, 0, 0, 1]} df = pd.DataFrame(data) # 分离特征和目标变量 X = df[['刮风', '闷热', '多云']] y = df['下雨'] # 创建并训练朴素贝叶斯模型 model = GaussianNB() model.fit(X, y) # 预测未来一天（刮风，不闷热，多云） future_weather = [[1, 0, 1]] prediction = model.predict(future_weather) if prediction[0] == 1: print("预测未来一天会下雨") else: print("预测未来一天不会下雨") ``` 在上述代码中，我们首先创建了一个包含过去天气数据的数据框。然后，将特征（刮风、闷热、多云）和目标变量（下雨）分离出来，训练了一个高斯朴素贝叶斯模型。根据给定的未来一天的天气特征（刮风，不闷热，多云）进行预测，并输出预测结果。 [2024-10-24 18:10:43 | AI写代码神器 | 383点数解答]