神经网络#鸢尾花数据集

# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report
# 1.加载鸢尾花数据集
data=load_iris()
x=data.data
y=data.target
# 2.特征缩放，有助于提高神经网络的性能
x=StandardScaler().fit_transform(x)
# 3.划分数据集为训练集和测试集
train_x,test_x,train_y,test_y=train_test_split(x,y,test_size=0.2)
# 4.创建多层感知器分类器实例,使用Relu激活函数 并用adam优化器
# hidden_layer_sizes 参数定义了隐藏层的节点数
mlp=MLPClassifier(hidden_layer_sizes=10,
                  activation='relu',
                  solver='adam',
                  max_iter=500)
# 5.训练模型
mlp.fit(train_x,train_y)
# 6.预测测试集
y_pred=mlp.predict(test_x)
print('预测值',y_pred)
# 7.打印模型精度
print('模型精度：',mlp.score(test_x,test_y))
# 8.打印分类报告，评估模型性能
print('分类报告',classification_report(test_y,y_pred))