本方案聚焦于经典鸢尾花多分类问题，创新性地采用高斯朴素贝叶斯（Gaussian Naive Bayes）模型对Iris setosa、Iris versicolor、Iris virginica三种鸢尾花进行精准分类。该模型基于贝叶斯定理构建，通过假设花萼长度、花萼宽度、花瓣长度、花瓣宽度四个连续型特征服从高斯分布，且特征间满足条件独立性，有效处理Fisher鸢尾花数据集中的四维特征空间。方案通过极大似然估计法获取各特征的高斯分布参数，利用先验概率与似然概率的乘积计算后验概率，最终选择最大后验概率对应的类别作为分类结果。该模型以计算效率高、可解释性强为优势，能清晰展示各特征对分类结果的贡献度，在植物学模式识别与机器学习教育领域具有双重应用价值，尤其适合处理小样本高维分类任务。