sklearn KNN处理鸢尾花数据集iris dataset(二)

本文介绍了使用sklearn库处理鸢尾花数据集的预处理、数据划分、KNN算法应用及精度评估。通过尝试不同K值,发现在K=5、10、20、25、30、35时模型表现优秀。最后绘制了相关图表。
摘要由CSDN通过智能技术生成

sklearn 处理鸢尾花数据集iris dataset(二)

原创不易,转载前请注明出处

接上一篇文章后我们下面开始做一个简单的预处理和导入KNN

7. 预处理

做去空处理

#determine whether null 
iris.isnull()
##delet null and save the new dataset in new_iris 
new_iris = iris.dropna() print (new_iris)

8. Divide the data

Divide the data into train, validation, and test sets (60%, 20%, 20%)
set random state=275

#Divide the data into train, validation, and test sets (60%, 20%, 20%)
new_iris_feature = new_iris.iloc[:,0:4]
new_iris_target = new_iris.iloc[:,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值