scikit-learn库分类用法具体实例

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

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

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

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

y_pred = model.predict(X_test) # 预测测试集数据

5. 评估模型准确率

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。