机器学习鸢尾花各种模型准确率对比

黑白子2000

于 2024-04-19 10:46:55 发布

阅读量572

点赞数 7

文章标签：机器学习人工智能

本文链接：https://blog.csdn.net/weixin_45079974/article/details/137955565

版权

本文介绍了如何使用Python中的sklearn库对鸢尾花数据集进行预处理，划分训练集和测试集，并分别应用SVM、KNN、逻辑回归和RidgeClassifier进行模型训练和测试，最终比较了各模型在测试集上的准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

流程

获取数据集
导入需要的包
读取数据
划分训练集和测试集
调用各种模型
比较准确率

获取数据集

链接：https://pan.baidu.com/s/1RzZyXsaiJB3e611itF466Q?pwd=j484 
提取码：j484 
--来自百度网盘超级会员V1的分享

导入需要的包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import matplotlib as mpl
## 设置属性防止中文乱码
mpl.rcParams['font.sans-serif'] = [u'SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 导入各种模型 svm,knn,RidgeClassifier(),LogisticRegression(逻辑回归)
# 支持向量机分类svc,最近邻居 knn,lr逻辑回归,rc
# SVM=Support Vector Machine 是支持向量
# SVC=Support Vector Classification就是支持向量机用于分类，这里是分类问题所以引入SVC
# SVR=Support Vector Regression.就是支持向量机用于回归分析
from sklearn.linear_model import LogisticRegression,RidgeClassifier
from sklearn.svm import SVC
from sklearn.neighbors imp

最低0.47元/天解锁文章