python代码使用Adaboost实现Iris分类

以下是使用 Adaboost 实现 Iris 分类的 Python 代码：

from sklearn.datasets import load_iris
from sklearn.ensemble import AdaBoostClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载Iris数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化Adaboost分类器
clf = AdaBoostClassifier(n_estimators=100, random_state=42)

# 使用训练集拟合分类器
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

首先，我们加载 Iris 数据集并将其分为训练集和测试集。然后，我们使用 AdaBoost 分类器进行分类。在这里，我们初始化了一个 `AdaBoostClassifier` 对象，并将其拟合到训练数据集中。最后，我们使用分类器对测试数据集进行预测，并计算准确率。