python sklearn的快速使用

鸢尾花识别是一个经典的机器学习分类问题，它的数据样本中包括了4个特征变量，1个类别变量，样本总数为150。

它的目标是为了根据花萼长度(sepallength)、花萼宽度(sepalwidth)、花瓣长度(petallength)、花瓣宽度(petalwidth)这四个特征来识别出鸢尾花属于山鸢尾(iris-setosa)、变色鸢尾(iris-versicolor)和维吉尼亚鸢尾(iris-virginica)中的哪一种。

#引入数据集，sklearn包含众多数据集

fromsklearnimportdatasets

#将数据分为测试集和训练集

fromsklearn.model_selectionimporttrain_test_split

#利用邻近点方式训练数据

fromsklearn.neighborsimportKNeighborsClassifier

#引入数据,本次导入鸢尾花数据，iris数据包含4个特征变量

iris=datasets.load_iris()

#特征变量

iris_X=iris.data

#print(iris_X)

print('特征变量的长度',len(iris_X))

#目标值

iris_y=iris.target

print('鸢尾花的目标值',iris_y)

#利用train_test_split进行训练集和测试机进行分开，test_size占30%

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

#我们看到训练数据的特征值分为3类

#print(y_train)

'''

[1102000222102021010201002120010010000

2221112020111122122202220101001222111

2001021201222121001001110211022]

'''

#训练数据

#引入训练方法

knn=KNeighborsClassifier()

#进行填充测试数据进行训练

knn.fit(X_train,y_train)

params=knn.get_params()

print(params)

'''

{'algorithm':'auto','leaf_size':30,'metric':'minkowski',

'metric_params':None,'n_jobs':None,'n_neighbors':5,

'p':2,'weights':'uniform'}

'''

score=knn.score(X_test,y_test)

print("预测得分为：%s"%score)

'''

预测得分为：0.9555555555555556

[1211221000012010200022022221222122120

21211021]

[1211221000012010200012022221122122120

21211021]

'''

#预测数据，预测特征值

print(knn.predict(X_test))

'''

[0222200002202021202102101220210211202

12021012]

'''

#打印真实特征值

print(y_test)

'''

[1222211112111121102111020200202020220

22010200]

'''

以上内容为大家介绍了pythonsklearn的快速使用，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。

声明：本站部分稿件版权来源于网络，如有侵犯版权，请及时联系我们。