# K近邻算法
# 导入相关库文件
import numpy as np
import matplotlib.pyplot as plt
#import pandas as pd
from sklearn import neighbors, datasets
# 导入数据集,数据集sklearn自带,X与y一一对应
dataset = datasets.load_iris()
# 获取鸢尾花前两列花萼长度和花萼宽度(sepal_length、sepal_width)数据作为X
X = dataset.data[:, :2]
# 获取鸢尾花种类作为Y
# 2表示Iris-virginica,1表示Iris-versicolor,0表示Iris-setosa
y = dataset.target
# 这里没有进行特征缩放,是因为X属于一个都在一个较小的区间,所以无需进行特征缩放(已经达到特征缩放后的要求,观察数据很重要)
attributes_dict = {
0:"sepal_length",1:"sepal_width"}
for attribute in attributes_dict:
print("{} 最大值:{}".format(attributes_dict[attribute], np.max(X[:,attribute])))
print("{} 最小值:{}".format(attributes_dict[attribute], np.min(X[:,attribute])))
# round 函数将float数据格式化小数点后一位
print("{} 平均值:{}".format(attributes_dict[attribute], round(np.average(X[:, attribute]),1)))
print("-------------------------------------")
# 划分数据为训练集和测试集
from sklearn.model_selection import train_test_split
"""
train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)
Parameters:
train_data:所要划分的样本特征集
train_target:所要划分的样本结果
test_size:样本占比,如果是整数的话就是样本的数量
random_state:是随机数的种子。
随机数
鸢尾花分类_Python学习之knn实现鸢尾花分类
最新推荐文章于 2022-09-19 23:26:05 发布
本文介绍了使用Python的knn算法对鸢尾花数据集进行分类的实践过程,包括训练集和测试集的结果可视化展示。
摘要由CSDN通过智能技术生成