机器学习

来源：花匠小妙招时间：2024-11-03 13:32

数据集介绍

Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过 花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类.

用KNN分类Iris数据集

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier # K-近邻算法 # 导入数据 load_data = load_iris() x = load_data.data y = load_data.target # 数据预处理，分割数据分别为训练集和测试集 x_train, x_test, y_train, y_test = train_test_split(x,y,test_size = 0.25) # 特征工程对训练集和测试集中的特征数据进行标准化 std = StandardScaler() x_train = std.fit_transform(x_train) x_test = std.transform(x_test) # 进行算法处理，使用K-近邻 knn = KNeighborsClassifier() # 输入训练集数据 knn.fit(x_train,y_train) # 输入测试集，查看训练结果 result = knn.predict(x_test) # 查看准确率 r_result = knn.score(x_test,y_test) print("训练的结果为：",result) print("正确的结果为：",y_test) print("识别成功率为：",r_result)

12345678910111213141516171819202122232425262728