定义一个函数
def MyIrisType():
import numpy as np
import tensorflow as tf
import pandas as pd
from sklearn.datasets import load_iris
import mglearn
#加载数据集
iris_dataset = load_iris()
from sklearn.model_selection import train_test_split
"""
train_test_split(),随机划分样本数据、训练数据。
该函数一般有5个参数,1)待划分样本数据,2)待划分样本数据结果,3)测试数据占样本数据比例test_size,如果为整数,则为大小,小数则为占比,4)设置 随机数种子random_state,若为0则不填,5)stratify,保持split前类的分布,划分前后一致。

本文提供了一个简单的机器学习实践,通过使用Python、TensorFlow和scikit-learn库对鸢尾花数据集进行K近邻(KNN)分类。首先,加载鸢尾花数据并使用train_test_split划分训练集和测试集。接着,创建散点矩阵可视化数据,然后用KNeighborsClassifier建立模型,并对新样本进行预测。最后,输出模型在测试集上的得分。
最低0.47元/天 解锁文章
3万+

被折叠的 条评论
为什么被折叠?



