『skleran学习』sklearn库的相关练习

最新推荐文章于 2024-07-23 18:12:37 发布

onlyfansnft.art

最新推荐文章于 2024-07-23 18:12:37 发布

阅读量989

点赞数

分类专栏：工作文章标签：数据挖掘大数据 sklearn 无监督学习有监督学习

本文链接：https://blog.csdn.net/sbtgmz/article/details/53245181

版权

工作专栏收录该内容

16 篇文章 0 订阅

订阅专栏

#! usr/bin/env python
# coding:utf-8

"""
__author__ = "LCG22"
__date__ = "2016-11-20"
"""

from sklearn import datasets
from sklearn.cluster import KMeans


iris = datasets.load_iris()
digits = datasets.load_digits()

# print iris.target
# 使用无监督聚类方法来对 iris 数据集进行训练，以验证算法的有效性
kmeans = KMeans(n_clusters=3)
k_result = kmeans.fit(iris.data)
# print k_result.labels_

# # 理论上无监督学习的结果应该要比有监督学习要差，但是实际上，无监督和有监督的结果是一样，目前还不知道原因是什么
# print len([i for i in iris.target if i == 0])
# print len([i for i in iris.target if i == 1])
# print len([i for i in iris.target if i == 2])
# print len([i for i in k_result.labels_ if i == 0])
# print len([i for i in k_result.labels_ if i == 1])
# print len([i for i in k_result.labels_ if i == 2])

# 使用 sklearn.svm.SVC（支持向量分类） 类来对 digits 数据集进行训练
from sklearn import svm
clf = svm.SVC(gamma=0.001, C=100.)    # 分类器
clf.fit(digits.data[:-1], digits.target[:-1])
clf.predict(digits.data[-1])