python中利用KNN实现对iris进行分类

最新推荐文章于 2023-04-12 01:03:51 发布

原创最新推荐文章于 2023-04-12 01:03:51 发布 · 4.1k 阅读

1 ·

CC 4.0 BY-SA版权

机器学习--ML 专栏收录该内容

36 篇文章

订阅专栏

本文通过使用Python的sklearn库对经典的鸢尾花数据集进行预处理，并采用K-最近邻(KNN)算法进行分类预测。具体步骤包括加载数据、划分训练集与测试集、标准化特征、训练模型及评估模型准确性。最后还展示了详细的分类报告。

部署运行你感兴趣的模型镜像

from sklearn.datasets import load_iris

iris = load_iris()

print iris.data.shape

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size = 0.25, random_state = 33)

from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

ss = StandardScaler()

X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

knc = KNeighborsClassifier()
knc.fit(X_train, y_train)
y_predict = knc.predict(X_test)

print 'The accuracy of K-Nearest Neighbor Classifier is: ', knc.score(X_test, y_test)

from sklearn.metrics import classification_report

print classification_report(y_test, y_predict, target_names = iris.target_names)

您可能感兴趣的与本文相关的镜像