机器学习之不同算法对iris,boston数据集进行建模分析

最新推荐文章于 2023-02-15 11:20:18 发布

敲代码的A强

最新推荐文章于 2023-02-15 11:20:18 发布

阅读量709

点赞数 1

文章标签：算法 python

本文链接：https://blog.csdn.net/szq207819993/article/details/128130500

版权

本文分别使用一元和多元线性回归对鸢尾花数据集的petal_length和petal_width进行分析，探讨两者之间的关系。接着，对boston房价数据集应用多元线性回归，评估模型在训练集和测试集上的表现。此外，通过KMeans算法对iris数据集进行聚类，计算相关评价指标。最后，用支持向量机（SVM）对iris数据集进行分类，展示模型在三分类任务上的性能。

摘要由CSDN通过智能技术生成

1.一元线性回归

对鸢尾花数据集中petal_length和petal_width两列数据进行一元线性回归分析。对上述两列数据进行预处理并进行回归分析，画出散点图和回归线。打印回归方程的截距和斜率。根据回归模型，给定花萼长度为4.0的花，预测其花萼宽度

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris 
from sklearn.linear_model import LinearRegression

iris = load_iris()

data = pd.DataFrame(iris.data)
data.columns = ["sepal_length","sepal_width","petal_length","petal_width"]


x = data["petal_length"].values
y = data["petal_width"].values
x = x.reshape(len(x),1)
y = y.reshape(len(y),1)
lmodel = LinearRegression()
lmodel.fit(x,y)
plt.scatter(x,y)
pre_y = lmodel.predict(x)
plt.plot(x,pre_y,'r-',linewidth=2)

print("截距:",lmodel.intercept_)
print("斜率:",lmodel.coef_)

print("predict petal_length=4.0:",lmodel.predict([[4.0]]))