实验二——鸢尾花分类预测
具体代码（Python版本）
import numpy as np # 导入numpy库，用于进行数值计算 import matplotlib.pyplot as plt # 导入matplotlib库，用于绘制图形 from sklearn import datasets # 从sklearn库中导入datasets模块，用于加载数据集 from sklearn.model_selection import train_test_split # 导入train_test_split函数，用于划分训练集和测试集 from sklearn.preprocessing import StandardScaler # 导入StandardScaler类，用于数据标准化 from sklearn.neighbors import KNeighborsClassifier # 导入KNeighborsClassifier类，用于创建KNN分类器 from sklearn.metrics import classification_report, confusion_matrix # 导入分类报告和混淆矩阵的计算函数 from mpl_toolkits.mplot3d import Axes3D from sklearn.cluster import KMeans import matplotlib matplotlib.use('TkAgg') import pandas as pd # 加载鸢尾花数据集 iris = datasets.load_iris() X = iris.data # 数据集中的特征 y = iris.target # 数据集中的标签 # 划分训练集和测试集，测试集占20% X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建StandardScaler对象 sc = StandardScaler() # 对训练集进行标准化处理 X_train_std = sc.fit_transform(X_train) # 对测试集进行标准化处理，注意这里使用训练集得到的均值和标准差 X_test_std = sc.transform(X_test) # 创建KNN分类器，设置邻居数为3 knn = KNeighborsClassifier(n_neighbors=3) # 使用训练集数据对KNN分类器进行训练 knn.fit(X_train_std, y_train) # 使用训练好的KNN分类器对测试集进行预测 y_pred = knn.predict(X_test_std) # 打印混淆矩阵 print(confusion_matrix(y_test, y_pred)) # 打印分类报告 print(classification_report(y_test, y_pred)) import seaborn as sns iris = pd.read_csv('iris.csv') #读取iris数据集 sns.pairplot(iris, hue="Species") #绘图 plt.show() #显示图片
效果展示
本文作者：yesyes1
本文链接：https://www.cnblogs.com/liuzijin/p/18099737
版权声明：本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
相关知识
深度学习鸢尾花分类实验报告 鸢尾花实验目的
实验一：鸢尾花数据集分类
【机器学习小实验5】基于决策树和随机森林的鸢尾花种类预测
对鸢尾花进行分类预测
基于KNN的鸢尾花分类
数据挖掘:：实验一 WEKA分类
鸢尾花分类预测实战：随机森林模型
机器学习之KNN算法及模型评估：鸢尾花分类实验
基于svm的鸢尾花数据集分类
神经网络分类鸢尾花数据与可视化展示
网址: 实验二——鸢尾花分类预测 https://m.huajiangbk.com/newsview1675296.html
| 上一篇: 有哪些鸢尾属的花 |
下一篇: 香根鸢尾,香根鸢尾花语是什么? |
