用python实现鸢尾花分类机器学习
时间: 2024-06-16 15:00:43 浏览: 96
用Python实现鸢尾花分类机器学习的步骤如下:
1.导入数据集:导入鸢尾花数据集,并将其分为特征数据和目标数据。
2.拆分数据集:将数据集分为训练集和测试集。
3.选择模型:选择适合鸢尾花分类的模型,如KNN、决策树、SVM等。
4.训练模型:在训练集上拟合模型。
5.评估模型:在测试集上评估模型性能。
6.调整模型:根据评估结果调整模型参数。
7.使用模型:将模型用于新的鸢尾花数据集,进行分类。
下面是一个简单的鸢尾花分类机器学习的Python代码示例:
``` python
# 导入必要的库
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
# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target
# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 选择模型
knn = KNeighborsClassifier(n_neighbors=3)
# 训练模型
knn.fit(X_train, y_train)
# 评估模型
y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
# 使用模型
new_data = [[5.1, 3.5, 1.4, 0.2], [6.2, 3.4, 5.4, 2.3]]
print(knn.predict(new_data))
```
阅读全文