利用IRIS数据集对鸢尾花数据集的多分类任务代码及实现

鸢尾花数据集是一个经典的机器学习数据集，用于演示分类任务，尤其是通过特征工程、模型训练和评估。在Python中，我们可以使用Scikit-Learn库来处理这个任务。以下是一个简单的例子，展示了如何利用支持向量机(SVM)模型对Iris数据集进行多分类：

# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import classification_report

# 加载Iris数据集
iris = datasets.load_iris()
X = iris.data  # 特征数据
y = iris.target  # 类别标签

# 数据预处理：归一化数值特征
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 创建并训练SVM分类器
svm_classifier = SVC(kernel='linear', C=1)
svm_classifier.fit(X_train, y_train)

# 预测测试集
y_pred = svm_classifier.predict(X_test)

# 打印分类报告，展示精度等指标
print("Classification Report:\n", classification_report(y_test, y_pred))