鸢尾花-KNN代码实例

提笔惊蚂蚁

于 2024-10-09 04:00:00 发布

阅读量140

点赞数 2

文章标签：机器学习深度学习人工智能 python scikit-learn sklearn

本文链接：https://blog.csdn.net/JR521314/article/details/142749887

版权

鸢尾花数据集代码示例

1.数据集获取-----导入sklearn自带数据集

from sklearn.datasets import load_iris
iris= load_iris()

2.数据基本处理----数据拆分(数据集比较规范, 不存在缺失值/异常值)

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test=train_test_split(iris.data,iris.target)

3.特征工程----对数据进行预处理-标准化(训练集+测试集), 不需要进行特征选择/降维

from sklearn.preprocessing import StandardScaler
transfer=StandardScaler()
x_train= transfer.fit_transform(x_train)
x_test= transfer.fit_transform(x_test)

4.模型训练----KNN

from sklearn.neighbors import KNeighborsClassifier
estimator= KNeighborsClassifier(n_neighbors=9)
estimator.fit(x_train, y_train)

5.模型评估

方法一:对比预测值和真实值

y_predict=estimator.predict(x_test)
print(“y_pred:”, y_predict)

print(“\n”)
print(“预测结果和真实结果比较:\n”, y_predict==y_test)

方法二:直接计算准确率

score = estimator.score(x_test, y_test) # 传入测试数据集的特征值和目标值
print(“accuracy:\n”, score)

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

提笔惊蚂蚁

关注关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

knn算法--鸢尾花

hi_你好

10-14

1498

一、作业题目 Knn分类算法实现鸢尾花预测二、算法设计三、测试用例及调试过程四、总结对鸢尾花利用knn算法进行分类，利用python的sklean库极大方便了python的使用，减少了大量代码的书写。Knn算法的预测是通过计算欧氏距离来确定预测鸢尾花的结果，遍历所有样本集，计算待分类样本与每个样本的距离，计算并存储后排序，寻找k个近邻，最后输出最小结果即为分类的组。因为对于p...

人工智能-KNN-K近邻算法-iris-鸢尾花识别

12-22

本资源是关于人工智能领域K近邻算法(KNN)的实例演示-鸢尾花识别-使用excel分辨鸢尾花种类，内容详细解读KNN如何解决分类问题，为大众提供一种解决问题的全新方法。内含各大公式作用指导，帮助大家进一步理解何为KNN...

参与评论您还未登录，请先登录后发表或查看评论

knn算法python代码鸢尾花_Python机器学习基础教程-第1章-鸢尾花的例子KNN

weixin_39548805的博客

12-03

710

前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：引子假设有一名植物学爱好者对她发现的鸢尾花的品种很感兴趣。她收集了每朵鸢尾花的一些测量数据：花瓣的长度和宽度以及花萼的长度和宽度，所有测量结果的单位都是厘米(见图 1-1)。图1-1：鸢尾花局部她还有一些鸢尾花的测量数据，这些花之前已经...

机器学习-KNN算法（鸢尾花分类实战）

有一分热，发一分光。

09-27

8066

“近朱者赤近墨者黑"，所谓的K近邻，也就是根据样本相邻最近的K个数据来进行判断，看K个邻居中所属类别最多的是哪一类，则将该样本分为这一类。

机器学习算法-KNN代码实现

weixin_47156261的博客

12-30

7799

机器学习算法-KNN代码实现一、KNN算法初步理解二、代码实现1.数据集处理2.创建model3.可视化总结一、KNN算法初步理解统计学习方法书上的解释：给定一个训练数据集，对于新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。二、代码实现 1.数据集处理数据集是使用的是鸢尾花数据集，在代码中直接从sklearn中导入即可。要对数据集进行处理，必须得先知道数据集的特点，鸢尾花共有150个样本，类别数为3. 0~50个样本label=0，

KNN鸢尾花案例

Liam Liu的博客

02-06

1373

from sklearn import datasets #导入数据模块 from sklearn.model_selection import train_test_split #导入切分训练集、测试集模块 from sklearn.neighbors import KNeighborsClassifier as KNN import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei.

机器学习KNN算法-鸢尾花分类背后技术详解

极客代码

05-27

1152

KNN算法是一种基于实例的分类方法，它通过计算新样本与训练集中样本之间的距离，找到最接近的K个样本，并基于这K个样本的类别进行预测。本文详细介绍了KNN算法在鸢尾花分类任务中的应用，包括基本概念、优化方法和实际应用。通过代码示例，我们展示了KNN算法的强大能力和技术精髓。在实际应用中，我们可以根据具体任务和数据集的特点，对KNN算法进行适当的调整和优化，以提高模型的性能。随着技术的不断进步，KNN算法在更多领域的应用将得到探索和实现。

knn算法代码详解（以鸢尾花数据为例）

m0_58723884的博客

03-28

2465

KNN 欧氏距离： d(x,y)=∑k=1n(xk−yk)2 d(x,y)=\sqrt{\sum_{k=1}^{n}{(x_k-y_k)^2}} d(x,y)=k=1∑n(xk−yk)2 曼哈顿距离： d(x,y)=∑k=1n∣xk−yk∣ d(x,y)=\sqrt{\sum_{k=1}^{n}{|{x_k-y_k}|}} d(x,y)=k=1∑n∣xk−yk∣ import numpy as np import pandas as pd #引入数据加载，直接引入sklearn数据，iris

机器学习之KNN算法的详解（附鸢尾花分类的代码实现）

weixin_40247876的博客

05-26

4036

机器学习12_KNN算法（2021.05.26）一. 解惑 KNN算法的全名是什么？ KNN算法（K-NearestNeighbor）也称邻近算法，或者说K最近邻分类算法，该算法是数据挖掘分类技术中最简单的方法之一。什么是KNN算法？ KNN算法其实就是根据数据之间的相似度来进行分类。简单地说，KNN算法通过测量待分类目标与已知分类目标之间的距离来进行分类。（近朱者赤近墨者黑）待分类的目标到已知分类目标之间的距离是怎样计算的呢？使用欧几里得距离公式，将每个待分类目标的每个特征值和已知分类的邻居的

【机器学习】KNN实现鸢尾花分类

weixin_73049545的博客

04-01

1549

KNN算法 鸢尾花分类实验

Day02-机器学习-KNN+鸢尾花识别

07-13

在鸢尾花识别的实例中，我们将利用KNN算法来区分不同种类的鸢尾花。以下是关于KNN算法和鸢尾花数据集的详细知识： 1. **KNN算法原理**： KNN算法基于“近朱者赤，近墨者黑”的理念，通过寻找样本点的k个最近邻居来...

实战案例-使用KNN模型对鸢尾花数据进行分类（含源码及数据集）

05-11

在代码中，我们将加载鸢尾花数据集并查看前几行，理解数据的基本结构。然后，我们通常会将数据分为训练集和测试集，比如使用`train_test_split`函数，以80%的数据用于训练模型，剩余20%用于测试模型的性能。接着，...

KNN、NB、SVM实现鸢尾花分类-代码+结果表格/图表

05-06

在这个项目中，我们将深入探讨三种不同的分类算法：K近邻（K-Nearest Neighbors, KNN）、朴素贝叶斯（Naive Bayes, NB）以及支持向量机（Support Vector Machine, SVM），并将它们应用于鸢尾花的分类任务。...

第十五周：机器学习笔记

最新发布

Zcymatics的博客

10-05

956

本周周报在机器学习的理论内容中，详细描述了attention matrix计算的各种优化形式，其中包括用人类自身的理解而诞生的Local Attention、Stride Attention、Global Attention、Clustering，也有通过机器自身通过学习而诞生Sinkhorn Sorting Network，最后还有简化attention matrix格式的Linformer。此外，周报在Pytorch学习中还补充了模型训练的细节和描述了如何利用GPU训练的过程。最后，在数学拓展部分，对s

【AI知识点】泛化（Generalization）与过拟合（Overfitting）

虾米记的博客

10-03

792

泛化（generalization）是机器学习中的一个核心概念，指的是模型在训练数据之外的新数据上表现得如何。换句话说，泛化能力衡量的是模型能否在未见过的样本上做出正确的预测或推断。

【机器学习】集成学习——提升模型准确度的秘密武器

擅长将自己的感受、想法、知识通俗地表达出来，会点前后端开发、自动化测试、性能测试、爬虫。将来可能学硬件、AI。但一定会写实用的脚本。

10-03

2766

集成学习（Ensemble Learning）是一种通过结合多个弱模型来提升整体预测准确性的技术。通过将多个模型的预测结果进行组合，集成学习在复杂任务中展现了极强的泛化能力。本文将探讨集成学习的主要方法，并通过代码示例演示如何应用这些方法来提升模型表现。

人工智能之机器学习

weixin_50229673的博客

10-01

1149

在1956年众多科学家相聚一起共同探讨并展望未来的科技.首次提出"人工智能"这个专业名词,这一年也被称为人工智能元年......

【机器学习】——决策树以及随机森林

酷酷的伟的博客

09-28

1413

决策树（Decision Tree）是一种基于树形结构的监督学习算法，广泛应用于分类和回归任务。它通过一系列的决策规则逐步将数据集划分成多个子集，从而构建出易于理解的决策模型。决策树不仅易于可视化、便于解释，还能够处理复杂的多变量决策问题，因此在各类机器学习模型中占有重要地位。

KNN鸢尾花数据分类可视化代码

06-11

以下是KNN算法对鸢尾花数据进行分类并可视化的Python代码： ```python import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn.neighbors import KNeighborsClassifier # 加载鸢尾花数据集 iris = datasets.load_iris() X = iris.data[:, :2] # 取前两个特征 y = iris.target # 模型训练 knn = KNeighborsClassifier(n_neighbors=6) knn.fit(X, y) # 可视化分类结果 x_min, x_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5 y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5 xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02), np.arange(y_min, y_max, 0.02)) Z = knn.predict(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) plt.figure() plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired) # 绘制训练数据 plt.scatter(X[:, 0], X[:, 1], c=y, edgecolors='k', cmap=plt.cm.Paired) plt.xlabel('Sepal length') plt.ylabel('Sepal width') plt.xlim(xx.min(), xx.max()) plt.ylim(yy.min(), yy.max()) plt.title("3-Class classification (k = 6)") plt.show() ``` 这段代码首先加载了鸢尾花数据集，然后选取了前两个特征进行分类。接着使用KNN算法进行模型训练，并对数据集进行可视化。最终，绘制出分类结果和训练数据的散点图。