鸢尾花python贝叶斯分类_机器学习-利用三种分类器实现鸢尾花分类

利用决策树，KNN和朴素贝叶斯三种分类器，对鸢尾花数据集进行分类。下面是具体的流程和代码：

1、 数据读取：

实验数据是直接加载的sklearn内置的鸢尾花数据集，共150条数据，包含4个特征，而且是一个三分类问题。

from sklearn import datasets #导入方法类

iris = datasets.load_iris() #加载iris数据集

iris_feature = iris.data #加载特征数据

iris_target = iris.target #加载标签数据

2、 划分数据集：

鸢尾花数据集的特征是已经处理好的，所以这里可以跳过数据预处理的步骤，可以直接进行训练预测了。

但是在训练之前，要先把数据集划分成训练集和测试集，划分代码如下所示：

from sklearn.model_selection import train_test_split

##数据集划分

feature_train,feature_test,target_train,target_test = train_test_split(iris_feature,iris_target,test_size=0.33,random_state=42)

其中train_test_split()方法的参数包括：

(1) train_size ：训练集比例

(2) test_size ：测试集比例

(3) random_size ：乱序程度

3、模型训练+预测：

首先是决策树分类器&#x