大一 大数据Python实验报告汇总

学生实验报告

学生姓名			学号			组员：
实验项目	鸢尾花数据集分类
■必修  □选修		■设计性实验 □验证性实验  □操作性实验  □综合性实验
实验地点				实验仪器台号
指导教师				实验日期及节次

一、实验目的及要求

1、目的

利用鸢尾花数据集分类案例，使学生在实验过程中了解大数据技术中的机器学习任务，熟悉python程序的编写以及机器学习任务的一般流程，掌握数据处理的基本程序和基本方法。

2、内容及要求

掌握数据处理基本概念，熟悉python的基本程序和基本方法

(1) 熟悉python的编程环境，会安装python以及各种python库

(2)分析及查看数据集，掌握数据集的划分的方法，将数据集分为训练数据和测试数据

(3) 了解KNN算法，掌握机器学习库中的KNN对象以其常用方法的使用

(4) 了解机器学习任务的一般流程

(5) 撰写实验报告

二、实验工具

仪器名称	规格/型号	数量	备注
计算机		1	有网络环境
Python软件		1

三、实验方法与步骤

(一) 安装python编程环境，安装numpy、sklearn数据包

• 针对鸢尾花数据集，根据鸢尾花的特征实现未知花的分类预测

#导入包和数据

import numpy as np

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

from sklearn.neighbors import KNeighborsClassifier

#读取鸢尾花数据集

iris_data = load_iris()

print(type(iris_data))

print(iris_data['data'])   

print("花的样本数量：{}".format(iris_data['data'].shape))   

print("花的前5个样本数据：{}".format(iris_data['data'][:5]))

print(iris_data['target'])  

print(iris_data['target_names'])  

#构造训练数据和测试数据

X_train,X_test,y_train,y_test=train_test_split(iris_data['data'],\

                  iris_data['target'],test_size=0.3,random_state=0)

print(X_train)

print(X_train.shape)

print(X_test)

print(X_test.shape)

print(y_train)

print(y_train.shape)

#KNN模型和评估模型

knn = KNeighborsClassifier(n_neighbors=3)

knn.fit(X_train,y_train)

y_pred = knn.predict(X_test)

print("模型精度：{:.2f}".format(np.mean(y_pred==y_test)))

print("模型精度：{:.2f}".format(knn.score(X_test,y_test)))

#未知鸢尾花种类预测

X_new=np.array([[5.8,3.6,1.3,0.5]])

prediction=knn.predict(X_new)</