scikit-learn库分类用法具体实例
时间: 2023-10-09 17:13:11 浏览: 68
Scikit-learn多种分类方法,逻辑回归LR、多层感知机MLP、支持向量机(SVM)、K近邻(KNN)附英文实验报告
以下是一个简单的scikit-learn库分类用法实例:
1. 导入所需库和数据集
```python
import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
iris = load_iris() # 加载鸢尾花数据集
X = iris.data # 特征矩阵
y = iris.target # 目标变量
```
2. 分割数据集为训练集和测试集
```python
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
```
3. 建立模型并训练
```python
model = KNeighborsClassifier(n_neighbors=3) # 创建KNN分类器,设定邻居数为3
model.fit(X_train, y_train) # 训练模型
```
4. 预测测试集数据
```python
y_pred = model.predict(X_test) # 预测测试集数据
```
5. 评估模型准确率
```python
accuracy = accuracy_score(y_test, y_pred) # 计算准确率
print('Accuracy:', accuracy) # 打印准确率
```
以上是一个简单的scikit-learn库分类用法实例,其中使用了KNN分类器对鸢尾花数据集进行分类,并计算了模型的准确率。
阅读全文