利用分类算法对iris数据集进行分析
时间: 2023-08-08 18:06:39 浏览: 45
iris 数据集是一个有标签的数据集,所以可以使用监督学习中的分类算法对其进行分析。以下是使用决策树算法对 iris 数据集进行分类的示例代码:
```R
# 1. 导入数据集
data(iris)
# 2. 将特征和标签分开
x <- iris[, 1:4]
y <- iris[, 5]
# 3. 将数据集拆分为训练集和测试集
set.seed(123)
train_index <- createDataPartition(y, times = 1, p = 0.7, list = FALSE)
train_x <- x[train_index, ]
train_y <- y[train_index]
test_x <- x[-train_index, ]
test_y <- y[-train_index]
# 4. 创建决策树模型
library(rpart)
model <- rpart(train_y ~ train_x)
# 5. 对测试集进行预测
predict_y <- predict(model, test_x, type = "class")
# 6. 评估模型性能
library(caret)
confusionMatrix(table(predict_y, test_y))
# 7. 输出结果
```
在上述代码中,我们首先导入 iris 数据集,将其特征和标签分开,然后将数据集拆分为训练集和测试集。接着,我们使用 `rpart` 包创建决策树模型,并使用训练集对其进行训练。最后,我们使用测试集进行预测,并使用 `confusionMatrix` 函数评估模型性能。在本例中,我们使用混淆矩阵评估模型性能。