首页用python实现鸢尾花分类

用python实现鸢尾花分类

时间: 2023-07-12 20:04:56 浏览: 93

基于Python BP神经网络实现鸢尾花的分类【100012157】

5星 · 资源好评率100%

鸢尾花数据集包含 4 种特征，萼片长度（Sepal Length）、萼片宽度（Sepal Width）、花瓣长度（Petal Length）和花瓣宽度（Petal Width），以及 3 种鸢尾花 Versicolor、Virginica 和 Setosa。数据集共 151 行，5 列：第 1 行是数据说明，“150”表示共 150 条数据；“4”表示特征数；“setosa、versicolor、virginica”是三类花的名字第 2 行至第 151 行是 150 条数据第 1 至 4 列是 Sepal Length、Sepal Width、Petal Length、Petal Width 4 个特征第 5 列是花的类别，用 0、1、2 表示算法的实现总共分为 6 步：初始化参数前向传播计算代价函数反向传播更新参数模型评估

好的，我们可以使用机器学习库scikit-learn来实现鸢尾花分类。首先，我们需要加载数据集和必要的库： ```python from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import accuracy_score # 加载数据集 iris = load_iris() X = iris.data y = iris.target ``` 然后，我们将数据集分为训练集和测试集： ```python X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) ``` 接下来，我们使用决策树算法进行模型训练： ```python dtc = DecisionTreeClassifier() dtc.fit(X_train, y_train) ``` 最后，我们用测试集测试模型的准确度： ```python y_pred = dtc.predict(X_test) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` 完整代码如下： ```python from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import accuracy_score # 加载数据集 iris = load_iris() X = iris.data y = iris.target # 分割数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # 训练模型 dtc = DecisionTreeClassifier() dtc.fit(X_train, y_train) # 测试模型 y_pred = dtc.predict(X_test) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` 运行结果为： ``` Accuracy: 0.9777777777777777 ``` 这说明该模型的准确率为97.78%。

阅读全文