python替换numpy array中的值

最新推荐文章于 2022-11-27 16:35:44 发布

小白和小耳朵

最新推荐文章于 2022-11-27 16:35:44 发布

阅读量3k

点赞数

文章标签： python 机器学习开发语言

本文链接：https://blog.youkuaiyun.com/qq_44321147/article/details/121235661

版权

该博客演示了如何使用Python的sklearn库加载鸢尾花数据集，并运用KMeans聚类算法进行分类。首先，加载鸢尾花数据并进行预处理，然后创建KMeans模型并训练。通过调整预测类别，计算了分类的准确率，结果显示分类正确率为某个值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python替换numpy array中的值

首先导入sklearn库中的数据集

首先导入sklearn库中的数据集


```python
from sklearn import datasets
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import pandas as pd
from sklearn.metrics import accuracy_score   #调用监控指标的度量类库Metrics

#加载数据集，是一个字典，类似Java中的map
lris_df ,label= datasets.load_iris(return_X_y=True)

#这里已经知道了分3类，其他分类这里的参数需要调试
model = KMeans(n_clusters=3,random_state=3,n_init=10)

#训练模型
model.fit(lris_df)
 

#预测全部150条数据
all_predictions = model.predict(lris_df.data)

#但上面只是分了三类，具体类标签与原label不同，像原label是0，1，2，而预测的为1，0，2，故这里将预测的1和0类标签互换，来计算一下分类正确率
all_predictions[all_predictions == 0] = 3 
all_predictions[all_predictions == 1] = 0 
all_predictions[all_predictions == 3] = 1 
accuracy = accuracy_score(label,all_predictions)

print("分类正确率=",accuracy)