'''
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)
机器学习之鸢尾花的的预测
我叫小邋遢2023-08-07 8:41
相关推荐
VIP_CQCRE6 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收泯泷7 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”oak隔壁找我7 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件高洁017 小时前
数字孪生与计算机视觉:让机器看懂现场Csvn8 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)在所不辞兄9 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?锋行天下9 小时前
langgraph 全栈项目(三)黄啊码10 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招锋行天下10 小时前
langgraph 全栈项目(二)大模型真好玩10 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦