基于Sklearn框架的葡萄酒数据win.csv分类代码

基于Scikit-learn (sklearn) 框架对 `wine.csv` 数据集进行分类，通常需要以下几个步骤：

首先，你需要导入必要的库，包括`pandas`用于数据处理，`numpy`用于数值计算，以及`sklearn`本身及其预处理、模型选择和评估模块：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import load_wine
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report

# 加载数据
data = pd.read_csv('win.csv')

然后，加载并了解数据集：

# 查看数据前几行
print(data.head())
# 分割特征（X）和目标变量（y）
X = data.drop('class', axis=1)
y = data['class']

接下来，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)

标准化数据，以便所有特征具有相似的尺度：

scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

选择模型，这里以随机森林分类器为例：

model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

最后，进行预测，并评估性能：

y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
report = classification_report(y_test, y_pred)

print(f"Accuracy: {accuracy}")
print("\nClassification Report:\n", report)