题目描述
请编写代码实现train_and_predict
功能,实现能够根据四个特征对三种类型的鸢尾花进行分类。
train_and_predict
函数接收三个参数:
train_input_features
—二维NumPy数组,其中每个元素都是一个数组,它包含:萼片长度、萼片宽度、花瓣长度和花瓣宽度。
train_outputs
—一维NumPy数组,其中每个元素都是一个数字,表示在train_input_features
的同一行中描述的鸢尾花种类。0表示鸢尾setosa,1表示versicolor,2代表Iris virginica。
prediction_features
—二维NumPy数组,其中每个元素都是一个数组,包含:萼片长度、萼片宽度、花瓣长度和花瓣宽度。
该函数使用train_input_features
作为输入数据,使用train_outputs
作为预期结果来训练分类器。请使用训练过的分类器来预测prediction_feature
s的标签,并将它们作为可迭代对象返回(如list或numpy.ndarray
)。结果中的第n个位置是prediction_features
参数的第n行。
参考题解:
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.linear_model import LogisticRegression
def train_and_predict(train_input_features, train_outputs, prediction_features):
model = LogisticRegression()
#code start here
model.fit(train_input_features,train_outputs)
return model.predict(prediction_features)
#code end here
iris = datasets.load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target,
test_size=0.3, random_state=0)
y_pred = train_and_predict(X_train, y_train, X_test)
if y_pred is not None:
score = metrics.accuracy_score(y_test,y_pred)
#code start here
print(score)
#code end here
```