机器学习-分类模型（鸢尾花案例）

最新推荐文章于 2024-04-24 19:42:12 发布

有点意思嘿

最新推荐文章于 2024-04-24 19:42:12 发布

阅读量5.5k

点赞数 8

文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/huainteresting_/article/details/117262328

版权

本文通过鸢尾花数据集，运用逻辑回归、决策树、KNN和SVM四种分类算法进行模型训练，以判断鸢尾花类别。在分析模型性能后，得出支持向量机模型表现最佳。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

众所周知，鸢尾花根据 '花瓣长度','花瓣宽度','花萼长度','花萼宽度'，分为三类，在数据集中分别用0,1,2来表示类别

本次就是通过对鸢尾花特征进行训练来判断出为哪一类，用到了分类算法的4个模型

一导入库函数和数据集，该数据已经分好了训练集和测试集，直接导入

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data_train = pd.read_csv('./iris_training.csv',encoding='gbk')  //训练集
data_test = pd.read_csv('./iris_test.csv',encoding='gbk')      //测试集

分别将训练集和测试集中的标签和特征提取出来

//训练集
new_train = data_train[['花瓣长度','花瓣宽度','花萼长度','花萼宽度']].values# 鸢尾花训练集特征值(4个)
new_train.shape
iris_target = data_train['类别'].values
iris_target.shape

//测试集
new_test = data_test[['花瓣长度','花瓣宽度','花萼长度','花萼宽度']].values# 鸢尾花测试集特征值(4个)
new_test.shape
iris_target_test = data_test['类别'].values
iris_target_test.shape

二数据规约