机器学习之鸢尾花的的预测

复制代码
'''
完整的 鸢尾花预测流程
1.导入数据
2.切分数据集---->将数据集分为 训练集和测试集
3.特征预理---->使用归一化 或者  标准化  ---->因为不改变数据的分布情况,所以不会影响结果
4.训练模型
5.评估模型
'''
# 导入 鸢尾花数据
from  sklearn.datasets import load_iris
# 切割数据集的函数
from sklearn.model_selection import train_test_split
#特征处理
from  sklearn.preprocessing import  StandardScaler
# 模型函数
from  sklearn.neighbors import  KNeighborsClassifier
# 1.先导入数据
iris = load_iris()

# 2.切割数据集  传入  数据    目标值    训练集比例    随机数种子
x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,train_size=0.2,random_state=22)
# 3.特征处理  ---标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
'''
4.模型训练
实例化模型函数
'''
# 实例化模型函数     选择k值范围大小  选 9 范围内的数量最多的种类确定为自己的种类
estimator= KNeighborsClassifier(n_neighbors=4)
# 使用训练集进行训练
estimator.fit(x_train,y_train)


# 5.模型评估
yEndpredict = estimator.predict(x_test)
#1.直接评测 结果
print("预测结果为:\n",yEndpredict )
print("预测结果为:\n",yEndpredict == y_test)

# 2.评测准确率
score = estimator.score(x_test,y_test)
print("该模型的准确率为:",score)
相关推荐
volcanical35 分钟前
Dataset Distillation with Attention Labels for Fine-tuning BERT
人工智能·深度学习·bert
L_cl35 分钟前
【NLP 17、NLP的基础——分词】
人工智能·自然语言处理
西西弗Sisyphus37 分钟前
大型语言模型(LLMs)演化树 Large Language Models
人工智能·语言模型·自然语言处理·大模型
车载诊断技术3 小时前
电子电气架构 --- 什么是EPS?
网络·人工智能·安全·架构·汽车·需求分析
KevinRay_3 小时前
Python超能力:高级技巧让你的代码飞起来
网络·人工智能·python·lambda表达式·列表推导式·python高级技巧
跃跃欲试-迪之3 小时前
animatediff 模型网盘分享
人工智能·stable diffusion
Captain823Jack3 小时前
nlp新词发现——浅析 TF·IDF
人工智能·python·深度学习·神经网络·算法·自然语言处理
被制作时长两年半的个人练习生3 小时前
【AscendC】ReduceSum中指定workLocal大小时如何计算
人工智能·算子开发·ascendc
Captain823Jack4 小时前
w04_nlp大模型训练·中文分词
人工智能·python·深度学习·神经网络·算法·自然语言处理·中文分词
Black_mario4 小时前
链原生 Web3 AI 网络 Chainbase 推出 AVS 主网, 拓展 EigenLayer AVS 应用场景
网络·人工智能·web3