不同分类算法的比较（决策树，K最邻近分类器）

最新推荐文章于 2022-08-13 22:19:43 发布

心中的日月LYJ

最新推荐文章于 2022-08-13 22:19:43 发布

阅读量1.4k

点赞数

分类专栏： Python编程机器学习

Python编程同时被 2 个专栏收录

21 篇文章

订阅专栏

机器学习

17 篇文章

订阅专栏

本文通过使用Scikit-learn库加载鸢尾花数据集，并应用K近邻(KNN)分类器进行训练和测试，实现了对鸢尾花种类的有效预测。文中详细展示了数据划分、模型训练及预测准确性评估的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码如下：

from sklearn import datasets
iris=datasets.load_iris()

x=iris.data
y=iris.target

from sklearn.cross_validation import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size= .5)

#使用决策树
# from sklearn import tree
# my_classifier=tree.DecisionTreeClassifier()

#另一种分类器
from sklearn.neighbors import KNeighborsClassifier
my_classifier=KNeighborsClassifier()

my_classifier.fit(x_train,y_train)#训练分类器
predictions=my_classifier.predict(x_test)#对测试数据进行结果预测

print(predictions)#输出预测结果

from sklearn.metrics import accuracy_score
print(accuracy_score(y_test,predictions))#预测的准确率