sklearn库应用

sklearn（Scikit-learn）是一个用于机器学习的Python库，它提供了各种机器学习算法和工具，可以用于数据预处理、特征工程、模型选择和评估等任务。下面是一个简单的sklearn库应用的例子：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建K近邻分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 在训练集上训练模型
knn.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = knn.predict(X_test)

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

这个例子展示了如何使用sklearn库进行分类任务。首先，我们加载了一个经典的鸢尾花数据集（iris），然后将数据集划分为训练集和测试集。接下来，我们创建了一个K近邻分类器，并在训练集上训练模型。最后，我们使用训练好的模型对测试集进行预测，并计算了预测的准确率。