首页 > 分享 > 机器学习入门实践——鸢尾花分类

机器学习入门实践——鸢尾花分类

机器学习入门实践——鸢尾花分类

©著作权归作者所有:来自51CTO博客作者流楚丶格念的原创作品,请联系作者获取转载授权,否则将追究法律责任

文章目录

 原数据地址:  任务描述:  数据集  Step1.数据准备  Step2.模型搭建  Step3.模型训练  Step4.模型评估  Step5.模型使用

原数据地址:

 https://aistudio.baidu.com/aistudio/projectdetail/1096669

任务描述:

构建一个模型,根据鸢尾花的花萼和花瓣大小将其分为三种不同的品种。

数据集

总共包含150行数据

每一行数据由 4 个特征值及一个目标值组成。

4 个特征值分别为:萼片长度、萼片宽度、花瓣长度、花瓣宽度

目标值为三种不同类别的鸢尾花,分别为: Iris Setosa、Iris Versicolour、Iris Virginica

首先导入必要的包:

numpy:python第三方库,用于科学计算

matplotlib:python第三方库,主要用于进行可视化

sklearn:python的重要机器学习库,其中封装了大量的机器学习算法,如:分类、回归、降维以及聚类

Step1.数据准备

(1)从指定路径下加载数据

(2)对加载的数据进行数据分割,x_train,x_test,y_train,y_test分别表示训练集特征、训练集标签、测试集特征、测试集标签

Step2.模型搭建

C越大,相当于惩罚松弛变量,希望松弛变量接近0,即对误分类的惩罚增大,趋向于对训练集全分对的情况,这样对训练集测试时准确率很高,但泛化能力弱。
C值小,对误分类的惩罚减小,允许容错,将他们当成噪声点,泛化能力较强。

kernel='linear’时,为线性核

decision_function_shape='ovr’时,为one v rest,即一个类别与其他类别进行划分,

decision_function_shape='ovo’时,为one v one,即将类别两两之间进行划分,用二分类的方法模拟多分类的结果。

Step3.模型训练

Step4.模型评估

Step5.模型使用

收藏 评论 举报

相关文章

相关知识

【机器学习】鸢尾花分类:机器学习领域经典入门项目实战
机器学习入门——鸢尾花问题
【机器学习】鸢尾花分类
[Python机器学习]鸢尾花分类 机器学习应用
探索机器学习的起点:鸢尾花数据集
【机器学习】基于KNN算法实现鸢尾花数据集的分类
机器学习项目实践——鸢尾花分类
鸢尾花(Iris)数据集入门
[机器学习基础][笔记] 一、鸢尾花分类
机器学习鸢尾花数据集

网址: 机器学习入门实践——鸢尾花分类 https://m.huajiangbk.com/newsview643356.html

所属分类:花卉
上一篇: python花瓣长度和花瓣宽度散
下一篇: Matplotlib基础04:使