简单机器学习daima
时间: 2023-10-04 11:01:45 浏览: 40
简单机器学习代码示例如下:
```python
# 导入需要用到的库
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 数据集划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=0)
# 创建并训练逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)
# 使用模型进行预测
y_pred = model.predict(X_test)
# 打印模型的准确率
accuracy = np.sum(y_pred == y_test) / len(y_test)
print("准确率:", accuracy)
```
以上代码使用了逻辑回归算法对鸢尾花数据集进行分类,首先导入必要的库,然后加载数据集。接着,将数据集划分为训练集和测试集。创建逻辑回归模型,并使用训练集进行训练。最后,使用模型对测试集进行预测,并计算模型的准确率。
这是一个简单的机器学习代码实例,用于展示如何使用Python中的sklearn库来进行简单的机器学习任务。实际应用中,可以根据具体的问题和数据选择适合的机器学习算法,并进行调参等更复杂的处理。