python导入鸢尾花数据集_使用鸢尾花数据集，通过Sklearn，绘制精确率-召回率曲线—Python...

Python深度学习的一个小例子，用sklearn自己带的鸢尾花数据集训练。

在导入库的过程中，如果导入from sklearn.model_selection import train_test_split不成功的话，可以尝试from sklearn.cross_validation import train_test_split，或反过来；前者是新版本的，后者是老版本的。

X为特征值（鸢尾花的不同特征值），y为标签值（分类结果）；X为150个（行）数据，每个数据4个（列）元素。

y只有一行，值有三个0、1、2，代表着三种分类。

为了保持数据的行一致，把标签值y，转换label_binarize为150乘以3的shape，[1 0 0]、[0 1 0]、[0 0 1]。

增加噪声特征，就是为了加大机器学习的难度，都是正确的，就不用学习了；c_是列增加。

把数据集（X和y）拆分train_test_split为训练集和测试集，各75个。

运行OneVsRestClassifier，把训练集和测试集数据传递给classifier.fit，得到预测值。

创建空字典，承载三个分类的精确召回曲线precision_recall_curve和平均精确值average_precision_score。

计算微平均值；参数做了降维ravel处理。

把分的三个类和均值，得到的精确召回曲线画出plot。