最简单的机器学习入门实践——鸢尾花识别

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。

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。

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
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