python Iris数据集如何进行数据划分

对于 Iris 数据集，通常会将其分为训练集和测试集两部分。可以使用 scikit-learn 库中的 train_test_split 函数来进行数据划分。具体步骤如下：

1. 导入数据集

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

2. 划分数据集

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

其中，test_size 表示测试集所占比例，random_state 表示随机种子，保证每次划分的结果相同。

3. 使用划分后的数据集进行模型训练和测试

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

这样就完成了数据集的划分和模型的训练测试。