机器学习之鸢尾花的的预测

'''
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)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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