选择任意两种模型用python进行鸢尾花模型练习
时间: 2024-09-25 10:15:39 浏览: 29
在Python中,我们可以使用多种机器学习算法来对鸢尾花数据集进行分类练习。鸢尾花数据集是经典的分类问题,常用于初学者入门。以下是使用两种常见的模型——决策树和支持向量机(SVM)来进行实例:
1. **决策树(Decision Tree)**:
```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
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建决策树分类器
dtree = DecisionTreeClassifier()
dtree.fit(X_train, y_train)
# 预测并评估
y_pred = dtree.predict(X_test)
print("Accuracy:", accuracy_score(y_test, y_pred))
```
2. **支持向量机(Support Vector Machine, SVM)**:
```python
from sklearn import svm
# 同样划分数据
svm_classifier = svm.SVC()
svm_classifier.fit(X_train, y_train)
# SVM预测
y_pred_svm = svm_classifier.predict(X_test)
print("SVM Accuracy:", accuracy_score(y_test, y_pred_svm))
```
在运行这两段代码后,你会得到每种模型在鸢尾花数据集上的分类精度。这可以帮助你了解决策树和SVM这两种模型在处理此类数据时的表现。
阅读全文