《Python AI 机器学习·深度学习》笔记-鸢尾花分类(SVC)

本文详述了使用Python进行鸢尾花分类的问题分析和解决过程,涉及数据集获取、预处理、SVC模型选择、参数调整、模型训练与评估等关键步骤,探讨了何时选择SVC和支持向量机在分类问题中的应用。
摘要由CSDN通过智能技术生成

本文包含作者认为的文章重点、探索及思考

一、分析问题

根据前述机器学习的基本步骤,尝试分析鸢尾花的分类问题:

(1)制定目标—— 依据花萼花瓣的长宽,分辨鸢尾花的品种
(2)收集数据—— Github上的开源数据集
(3)数据预处理—— 将数据集中的数据 1. 分离成数据部分+标签部分 2. 分成训练集和测试集
(4)学习数据
    •(4-1)选择机器学习的方法——SVC

SVC 是 "Support Vector Classification"(支持向量分类)的缩写,它是 SVM 在解决分类问题时的具体实现之一。在 scikit-learn

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值