机器学习实现花卉分类代码

以下是一个基于Python的机器学习实现花卉分类的代码示例，使用的是支持向量机（SVM）算法：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('flower_data.csv')
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 建立SVM分类器模型
clf = SVC(kernel='linear')

# 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)

其中，flower_data.csv是包含花卉特征和标签的数据集文件，X表示特征矩阵，y表示标签向量。通过train_test_split方法将数据集划分为训练集和测试集，再使用SVC方法建立支持向量机分类器模型，并对模型进行训练和预测测试集。最后使用accuracy_score方法计算分类器模型的准确率。