首页用支持向量机进行鸢尾花分类

用支持向量机进行鸢尾花分类

时间: 2023-11-20 20:02:08 浏览: 101

鸢尾花分类是一个经典的机器学习问题，支持向量机（Support Vector Machine，SVM）是其中一种有效的分类算法。下面是一个使用Python的Scikit-learn库进行鸢尾花分类的例子：首先，导入所需的库和数据集： ```python from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.svm import SVC from sklearn.metrics import accuracy_score # 加载鸢尾花数据集 iris = datasets.load_iris() X, y = iris.data, iris.target ``` 接着，将数据集分为训练集和测试集： ```python # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` 然后，使用SVM进行训练和预测： ```python # 创建SVM分类器 clf = SVC(kernel='linear', C=1) # 训练模型 clf.fit(X_train, y_train) # 预测测试集 y_pred = clf.predict(X_test) ``` 最后，计算模型的准确率： ```python # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) ``` 完整的代码如下： ```python from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.svm import SVC from sklearn.metrics import accuracy_score # 加载鸢尾花数据集 iris = datasets.load_iris() X, y = iris.data, iris.target # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建SVM分类器 clf = SVC(kernel='linear', C=1) # 训练模型 clf.fit(X_train, y_train) # 预测测试集 y_pred = clf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) ```

阅读全文