鸢尾花数据集分类python

鸢尾花数据集（Iris dataset）是一个经典的机器学习入门案例，它是统计学家R.A. Fisher在1936年为了演示多元线性判别分析而创建的。这个数据集包含了三种不同种类的鸢尾花（Setosa、Versicolour和Virginica）的特征测量值，如花萼长度、花瓣长度等四个维度。

在Python中，你可以使用scikit-learn库来进行鸢尾花数据的分类。下面是一个简单的步骤概述：

1. **导入所需库**：

   from sklearn import datasets
   from sklearn.model_selection import train_test_split
   from sklearn.preprocessing import StandardScaler
   from sklearn.neighbors import KNeighborsClassifier

2. **加载数据**：

   iris = datasets.load_iris()
   X = iris.data
   y = iris.target

3. **数据预处理**（如果需要，通常对数值型特征做标准化）：

   scaler = StandardScaler()
   X_scaled = scaler.fit_transform(X)

4. **拆分数据集**：

   X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

5. **训练模型**：

   knn = KNeighborsClassifier(n_neighbors=3)  # 使用K近邻算法作为示例
   knn.fit(X_train, y_train)

6. **预测和评估**：

   predictions = knn.predict(X_test)
   accuracy = knn.score(X_test, y_test)
   print("Accuracy:", accuracy)