python学习----鸢尾花分类（神经网络算法）

最新推荐文章于 2025-02-28 15:10:31 发布

一醉南柯

最新推荐文章于 2025-02-28 15:10:31 发布

阅读量9.4k

点赞数 2

分类专栏： python

本文链接：https://blog.youkuaiyun.com/dpl12/article/details/89509297

版权

python 专栏收录该内容

5 篇文章

订阅专栏

本文通过使用Python的sklearn库中的鸢尾花数据集，演示了如何利用神经网络进行分类任务。首先，从数据集中抽样得到训练集和测试集，然后使用MLPClassifier训练模型，并对测试集进行预测，最后计算模型的准确度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from random import sample   #导入抽样函数
from sklearn.datasets import load_iris   #导入鸢尾花数据集方法
from sklearn.neural_network import MLPClassifier #导入神经网络包
iris=load_iris()#加载鸢尾花数据集
tr_index=sample(range(0,50),40)
tr_index.extend(sample(range(50,100),40))
tr_index.extend(sample(range(100,150),40))#抽样训练集序号
te_index=[i for i in range(0,150) if i not in tr_index]#检验集序号
tr_in=iris.data[tr_index] #训练集输入
tr_out=iris.target[tr_index]#训练集输出
te_in=iris.data[te_index]#检验集输入
te_out=iris.target[te_index]#检验集输出
modle=MLPClassifier(hidden_layer_sizes=1,max_iter=10).fit(tr_in,tr_out)#训练神经网络模型
res=modle.predict(te_in)#对检验集的输入做检测
print(res)
print(te_out)
print(sum(res==te_out)/len(res))#模型的准确度