鸢尾花python经验分享_机器学习-Python实践Day1(鸢尾花项目)-Go语言中文社区

本文是Python机器学习实践的第一天,主要以鸢尾花数据集为例,介绍了数据导入、概述、可视化、算法评估及预测的过程。通过10折交叉验证比较了逻辑回归、线性判别分析、K近邻、决策树、贝叶斯分类器和支持向量机等模型的性能,结果显示支持向量机表现最佳。
摘要由CSDN通过智能技术生成

http://archive.ics.uci.edu/ml/machine-learning-databases/iris/

1.1、项目步骤流程:

导入数据

概述数据

数据可视化

评估算法

实施预测

1.1.1、导入数据

# 导入类库

import pandas as pd

import matplotlib.pyplot as plt

# 导入数据集

filename='iris.data.csv'

name=['separ-length','separ-width','petal-length','petal-width','class']

dataset=pd.read_csv(filename,names=name)

1.1.2、概述数据

# 查看前十行数据

dataset.head(10)

006078b7122138b389944b7fc82a5227.png

# 查看数据维度

print('数据维度: 行%s,列%s' %dataset.shape)

数据维度: 行150,列5

# count --行数

# mean --中位数

# std --标准差

# min --最小值

# 25% --第一位四分位数

<
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,你的问题是关于鸢尾花分类的Python实现,利用三种分类器实现鸢尾花分类。 鸢尾花分类是机器学习中常用的分类问题之一,可以使用多种分类算法来解决。在Python中,可以使用scikit-learn库来实现鸢尾花分类。 以下是三种常用的分类器实现鸢尾花分类的代码示例: 1. 贝叶斯分类器 ```python from sklearn.datasets import load_iris from sklearn.naive_bayes import GaussianNB from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 加载数据集 iris = load_iris() X = iris.data y = iris.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # 创建贝叶斯分类器 clf = GaussianNB() # 训练模型 clf.fit(X_train, y_train) # 预测测试集 y_pred = clf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` 2. 决策树分类器 ```python from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 加载数据集 iris = load_iris() X = iris.data y = iris.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # 创建决策树分类器 clf = DecisionTreeClassifier() # 训练模型 clf.fit(X_train, y_train) # 预测测试集 y_pred = clf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` 3. 支持向量机分类器 ```python from sklearn.datasets import load_iris from sklearn.svm import SVC from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 加载数据集 iris = load_iris() X = iris.data y = iris.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) # 创建支持向量机分类器 clf = SVC() # 训练模型 clf.fit(X_train, y_train) # 预测测试集 y_pred = clf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` 以上就是三种常用的分类器实现鸢尾花分类的Python代码示例,希望能对你有所帮助。
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