分类算法——鸢尾花

本文通过鸢尾花数据集,展示了逻辑回归算法的实施过程,包括模型训练、性能评估和参数调试。并与朴素贝叶斯、k近邻和决策树等算法进行了性能对比,深入解析了各参数对分类准确率的影响。

一、问题描述

1、选择鸢尾花卉数据集,实现逻辑回归算法,分析算法的性能。
2、了解逻辑回归模型中参数的含义并调试参数,不同参数对分类准确率的影响。
3、与至少一种其他分类算法(如朴素贝叶斯、k近邻、决策树等)进行性能比较。

二、代码实现

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
import sklearn.metrics as metrics
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris  # 鸢尾花数据集位于sklearn.datasets

'''1、下载数据集'''
data = load_iris()  # 得到数据特征
iris_target = data.target  # 得到数据对应的类标签

'''2、特征预处理'''
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names)  # 利用pandas转化为DataFrame格式

评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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