Sklearn 机器学习 IRIS数据 理解混淆矩阵

💖亲爱的技术爱好者们,热烈欢迎来到 Kant2048 的博客!我是 Thomas Kant,很开心能在优快云上与你们相遇~💖

在这里插入图片描述

本博客的精华专栏:
【自动化测试】 【测试经验】 【人工智能】 【Python】


在这里插入图片描述

Sklearn 机器学习 IRIS 数据集:理解混淆矩阵的实战指南

机器学习模型做完分类后,我们经常会看到“准确率”、“召回率”或“F1 值”等指标,而这些指标的计算都基于一个关键的工具 —— 混淆矩阵(Confusion Matrix)

本文以经典的 IRIS 鸢尾花数据集为例,结合 sklearn 框架,通过完整代码演示如何训练模型并输出混淆矩阵,深入理解其中每个数值的含义及其背后对模型表现的揭示力。


📘 一、IRIS 数据集简介

IRIS 数据集是机器学习中最常用的多分类示例,包含三类鸢尾花(Setosa、Versicolor、Virginica),每类 50 条样本,共 150 条数据。

每条数据包含以下特征(单位为 cm):

  • 萼片长度(sepal length)
  • 萼片宽度(sepal width)
  • 花瓣长度(petal length)
  • 花瓣宽度(petal width)

目标是根据这 4 个特征预测花的类别。


🛠️ 二、训练模型并生成预测结果

我们使用 sklearn 提供的逻辑回归模型来分类 IRIS 数据,并输出预测结果。

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Thomas Kant

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值