UCI Iris数据集K近邻方法建模预测鸢花种类

机器学习入门实践——Iris 数据集 K 近邻方法建模预测鸢花种类

任务介绍：Iris 数据集，采用多分类 KNN 方法建模，通过鸢花外形数据预测鸢花种类。

一、Iris 数据介绍

鸢尾花数据集总共包含150行数据，包含4个特征值及1个目标值。特征值分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度。结果为三种不同品种的鸢尾花。

二、数据预处理

1、Iris 数据加载

from sklearn import datasets
iris = datasets.load_iris()

print(iris)

2、Iris 数据展示

# 打印特征值名称
print(iris.feature_names)

# 打印训练数据
print(iris.data)

# 打印结果值名称
print(iris.target_names)

# 打印结果数据
print(iris.target)

3、保存训练数据

X = iris.data

4、保存训练结果数据

y = iris.target

三、模型训练

k近邻法（k Nearest Neighbor）是一种用于分类和回归的非参数据建模方法。k近邻算法是最简单的机器学习算法之一。即给定一个训练数据集，对新的输入实例，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，就把该输入实例分类到这个类中。（这就类似于现实生活中少数服从多数的思想）