基于sklearn的鸢尾花分类模型
1、鸢尾花数据获取及查看
可以通过sklearn直接获取数据集：
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
import pandas as pd
data = load_iris()
print(data)
可以查看data中包含的信息，这里我们需要用到的是data，以及target信息。
train = data["data"]
label = data["target"]
输入两维信息查看数据的分布情况，这里我选择的是'sepal length', 'petal length'：
for i in range(len(train)):
if label[i]==0:
plt.scatter([train[i][0]], [train[i][2]],c="r")
elif label[i]==1:
plt.scatter([train[i][0]], [train[i][2]],c="g")
else:
plt.scatter([train[i][0]], [train[i][2]],c="b")
plt.show()
可以看到，基本上这两维特征就能把鸢尾花的数据分开，因此利用四维数据是可以把三种类型的画分开。
2、构建鸢尾花分类模型
对于数据来说，需要划分数据集，分为测试集与训练集：
from sklearn.model_selection import train_test_split
data_train,data_test, target_train,target_test =
train_test_split(train,label,test_size = 0.2,random_state = 22)
对数据进行标准化，将特征划分到0~1区间上，这样便于我们提取特征：
from sklearn.preprocessing import StandardScaler
stdScaler = StandardScaler().fit(data_train)
train = stdScaler.transform(data_train)
test = stdScaler.transform(data_test)
（1）SVM构建SVM模型，这里我没有选择参数，用最基本的模型，对于一些参数的选择，可以查看sklearn库的一些信息选择：
from sklearn.svm import SVC
svm = SVC().fit(train,target_train)
target_pred = svm.predict(test)
print(target_pred)
true = np.sum(target_pred == target_test )
print('预测结果准确率为：', true/target_test.shape[0])
结果如下：
[0 2 1 2 1 1 1 2 1 0 2 1 2 2 0 2 1 1 1 1 0 2 0 1 2 0 2 2 2 2]
预测结果准确率为： 0.9666666666666667
（2）决策树（DT）from sklearn.tree import DecisionTreeClassifier
DT = DecisionTreeClassifier().fit(train,target_train)
target_pred = DT.predict(test)
print(target_pred)
true = np.sum(target_pred == target_test )
print('预测结果准确率为：', true/target_test.shape[0])
结果如下：
[0 2 1 2 1 1 1 1 1 0 2 1 2 2 0 2 1 1 1 1 0 2 0 1 2 0 2 2 2 1]
预测结果准确率为： 0.9
（3）朴素贝叶斯from sklearn.naive_bayes import GaussianNB
nb = GaussianNB().fit(train,target_train)
target_pred = nb.predict(test)
print(target_pred)
true = np.sum(target_pred == target_test )
print('预测结果准确率为：', true/target_test.shape[0])
结果如下：
[0 2 1 2 1 1 1 2 1 0 2 1 2 2 0 2 1 1 1 1 0 2 0 1 2 0 2 2 2 2]
预测结果准确率为： 0.9666666666666667
相关知识
Python sklearn实现SVM鸢尾花分类
基于Logistic回归模型对鸢尾花数据集的线性多分类
KNN鸢尾花分类
基于CNN的鸢尾花分类器
鸢尾花分类预测实战：随机森林模型
鸢尾花数据集可视化与机器学习模型评估
深度学习鸢尾花分类实验报告 鸢尾花实验目的
【机器学习】基于KNN算法实现鸢尾花数据集的分类
【视觉算法—图像分类】基于SVM实现鸢尾花数据集分类
神经网络鸢尾花
网址: 基于sklearn的鸢尾花分类模型 https://m.huajiangbk.com/newsview1842698.html
| 上一篇: 鸢尾花分类实战 |
下一篇: 机器学习笔记——利用sklear |
