【sklearn练习】鸢尾花

最新推荐文章于 2025-02-13 16:58:26 发布

cjz0422

最新推荐文章于 2025-02-13 16:58:26 发布

阅读量1.2k

点赞数 20

文章标签： sklearn 人工智能 python

本文链接：https://blog.youkuaiyun.com/cjz0422/article/details/135521972

版权

本文介绍了使用Python的sklearn库对鸢尾花数据集进行KNN分类器的训练过程，包括数据加载、划分训练集和测试集、模型构建及预测结果的比较。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

第二行：导入datasets数据集

第三行：train_test_split 的作用是将数据集随机分配训练集和测试集。

第四行：采用的模型是，KNeighborsClassifier，实现 k 最近邻投票的分类器。

二、

iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target

第一行，获取鸢尾花数据集

第二行，将data存入iris_X

第三行，将标签存入iris_y

三、

print(iris_X[:2, :])
print(iris_y)

第一行，打印数据的前两行

第二行，打印标签

输出结果为：

[[5.1 3.5 1.4 0.2]
[4.9 3. 1.4 0.2]]
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2]

四、

X_train, X_test, y_train, y_test = train_test_split(
iris_X, iris_y, test_size=0.3)
print(y_train)

第一行，函数 train_test_split 将数据集乱序分为训练集和测试集。

第三行，打印y_train查看

输出结果为：

[1 1 2 0 0 2 2 0 0 0 1 0 2 0 2 1 0 1 0 2 2 2 0 1 0 2 2 2 1 0 0 1 0 0 0 0 2
2 1 0 1 0 0 1 2 2 2 2 2 2 1 2 1 1 1 2 1 1 2 0 2 1 0 2 2 0 1 1 1 2 2 1 1 0
1 0 1 1 2 2 2 2 1 1 0 0 0 2 1 0 0 1 1 2 0 0 0 2 2 0 2 1 0 0 2]

五、

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

第一行，类实例化

第二行，完成模型训练

六、

print(knn.predict(X_test))
print(y_test)

对比模型预测的标签和原标签

输出结果为：

[1 2 0 0 0 2 2 0 2 1 1 0 1 2 1 1 0 1 0 1 1 0 0 0 2 1 0 0 1 1 2 2 2 0 2 1 2
1 2 2 2 1 0 2 1]
[1 2 0 0 0 2 2 0 2 1 1 0 1 2 1 1 0 1 0 1 1 0 0 0 2 1 0 0 1 1 2 2 2 0 1 1 2
1 2 1 2 1 0 2 1]