关于sklearn的简单使用1(分类)

        最近在看支持向量机的算法，想着自己是否能够实现一个简单的例子。下面采用的数据集是著名的莺尾花数据，可以在UCI上载 http://archive.ics.uci.edu/ml/datasets/Iris。当然sklearn库里也有这个数据集，但是下载下来是为了更好的运用python语言处理更加一般的情况。下面这个代码主要目的是用sklearn.svm对莺尾花的3种型进行分类，随机取样本的一部分数据为训练集，一部分为测试集，并且最后把测试集的结果和实际样本进行比较，判断此分类的准确率。

# -*- coding: utf-8 -*-
"""
Created on Tue Aug 22 16:04:57 2017


@author: wuxiao
"""


import pandas as pd
from sklearn import svm
import numpy as np
from sklearn.model_selection import train_test_split  #引入测试集，训练集
from sklearn.metrics import accuracy_score  #引入准确率


data=pd.read_excel('G:\\test\\day 5\\iris.xls')  #读取文件
print  data                                 
data.head()
#将文件中非数字数据转换为数字
data.loc[data["Iris_type"]=="Iris-setosa","Iris_type"]=0
data.loc[data["Iris_type"]=="Iris-versicolor","Iris_type"]=1
data.loc[data["Iris_type"]=="Iris-virginica","Iris_type"]=2        
iris=np.array(data,dtype=np.float64)   #生成矩阵
print iris  
                                                   
X = iris[:,0:-1]     #提取features
print  X
y = iris[:,-1].astype(int)   #提取labels
print  y
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)#随机划分训练集、测试集
clf=svm.SVC()
clf.fit(X_train,y_train)
y_pred=clf.predict(X_test)
accuracy_score(y_test, y_pred)
Accuracy=accuracy_score(y_test, y_pred)

print("%.2f%%"  %(Accuracy*100))   #以百分数的形式，打印出准确率

最后输出：

# 利用pandas读取文件生成的data

                                           #为数据预处理后的iris

                                           #提取features的X

                                                        #提取labels的y

 

           

                                                       #最后生成的准确率。