本文详细介绍了如何利用sklearn库对鸢尾花数据进行分类。首先，通过导入必要的包，获取并预处理数据，包括特征缩放。接着，数据被划分为训练集和测试集，选用SVC分类器进行模型训练，并进行预测。模型的性能通过评估指标展示，还进行了交叉验证以提高模型稳定性。最后，探讨了模型优化的方法，如网格搜索法，以找到最佳超参数。
0、导入所需的包
from sklearn.svm import SVC
from sklearn import datasets
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import GridSearchCV
1、获取数据
# 1.获取数据
iris = datasets.load_iris()
x = iris.data
y = iris.target
print(x)
print(y)
鸢尾花数据共150个，每个样本有4个特征如下：
其标签有3种类型，分别是0，1，2：
2、数据预处理
特征缩放：我们可以观察到X的值之间相差比较大，为了能够得到更好的分类效果，我们采用特征缩放对数据进行处理。这里用到的是MinMaxScaler。还有其他特征缩放方法参见：其他特征缩放方法
# 2.数据预处理(特征缩放)
scaler = MinMaxScaler(feature_range=(0,1))
x = scaler.fit_transform(x)
最低0.47元/天 解锁文章
扫一扫
2974
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
