首页from sklearn.datasets import load_iris from sklearn.feature_selection import SelectKBest from sklearn.feature_selection import chi2

from sklearn.datasets import load_iris from sklearn.feature_selection import SelectKBest from sklearn.feature_selection import chi2

时间: 2023-11-19 14:05:10 浏览: 122

机器学习笔记2–sklearn之iris数据集

本文来自于fujiabin,本篇会使用scikit-learn这个开源机器学习库来对iris数据集进行分类练习。我将分别使用两种不同的scikit-learn内置算法——DecisionTree（决策树）和kNN（邻近算法），随后我也会尝试自己实现kNN算法。目前为止，我还是在机器学习的入门阶段，文章中暂不详细解释算法原理，如果想了解细节信息可自行搜索。scikit-learn中预制了很多经典数据集，非常方便我们自己练习用。使用方式也很容易： load_iris返回的结果有如下属性：feature_names-分别为：sepal

# Load the Iris dataset iris = load_iris() # Separate the features and target variable X = iris.data y = iris.target # Apply SelectKBest to select the 2 best features using chi-squared test selector = SelectKBest(chi2, k=2) X_new = selector.fit_transform(X, y) # Print the selected features print("Selected Features: ", selector.get_support(indices=True))

阅读全文