机器学习--KNN算法应用,iris鸢尾花数据集的分类
2019-07-09 13:10
351 查看
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/tanghhhhhh/article/details/95108731
数据集介绍
Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据样本,分为3类,每类50个数据,每个数据包含4个属性。可通过 花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类.
用KNN分类Iris数据集
from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier # K-近邻算法 # 导入数据 load_data = load_iris() x = load_data.data y = load_data.target # 数据预处理,分割数据分别为训练集和测试集 x_train, x_test, y_train, y_test = train_test_split(x,y,test_size = 0.25) # 特征工程 对训练集和测试集中的特征数据进行标准化 std = StandardScaler() x_train = std.fit_transform(x_train) x_test = std.transform(x_test) # 进行算法处理,使用K-近邻 knn = KNeighborsClassifier() # 输入训练集数据 knn.fit(x_train,y_train) # 输入测试集,查看训练结果 result = knn.predict(x_test) # 查看准确率 r_result = knn.score(x_test,y_test) print("训练的结果为:",result) print("正确的结果为:",y_test) print("识别成功率为:",r_result)
相关文章推荐
- 机器学习分类算法 以Iris DataSet鸢尾花数据集为例
- python 实现 knn分类算法 (Iris 数据集)
- 机器学习-KNN分类算法Iris实例
- [Java][机器学习]用决策树分类算法对Iris花数据集进行处理
- 机器学习——最邻近规则分类(K Nearest Neighbor)KNN算法的应用
- 机器学习笔记——利用sklearn中KNN算法实现鸢尾花分类
- 机器学习(四) 分类算法--K近邻算法 KNN (上)
- 13,SKlearn实现KNN算法,约会网站与鸢尾花数据集
- 机器学习经典算法详解及Python实现---朴素贝叶斯分类及其在文本分类、垃圾邮件检测中的应用
- 用Python开始机器学习(4:KNN分类算法)
- 机器学习之K-最近邻规则分类(KNN)算法
- 【机器学习】3.最邻近规则分类KNN算法
- 机器学习之sklearn-KNN近邻算法分类小案例(乳腺癌预测最优模型)
- RBF神经网络对iris鸢尾花数据集进行分类识别
- 用Python开始机器学习(4:KNN分类算法) sklearn做KNN算法 python
- 《机器学习》实施kNN分类算法
- PYTHON机器学习(03第一个应用:鸢尾花的分类)
- 实战项目:机器学习之用KNN算法进行车辆满意度测评(Car Evaluation Database数据集)
- 机器学习实践-Ch02 kNN分类算法