机器学习-鸢尾花【K近邻算法（knn）带【交叉验证】适合于大样本的自动分类

慧尘8899

已于 2022-01-21 14:59:18 修改

阅读量832

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习 Sklearn Python基础文章标签： sklearn 机器学习人工智能

于 2022-01-18 22:50:02 首次发布

本文链接：https://blog.youkuaiyun.com/harryxia2014/article/details/122570565

本文通过sklearn库实现鸢尾花数据集的分类，使用K近邻（KNN）算法，并结合交叉验证进行参数调优。通过训练、测试数据划分，特征预处理，进行模型训练和评估，最终展示模型的准确率和最佳参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

'''
Created on 2022年1月16日
1.获取数据集
2.数据基本处理
3.特征工程
4.机器学习(模型训练)
5.模型评估
@author: datangzn
'''

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection._search import GridSearchCV
from sklearn.model_selection.tests.test_search import test_grid_search_bad_param_grid

#1.获取数据集
iris = load_iris()
#2.数据基本处理
#2.1数据分割
x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=22,test_size=0.2)

#3.特征工程
#3.1实例化一个转换器
transfer = StandardScaler()
#3.2调用fit_transform方法
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform