影视文化网站建设,网页设计程序代码,id怎么编辑wordpress,江苏住房与城乡建设部网站完整的 鸢尾花预测流程
1.导入数据
2.切分数据集----将数据集分为 训练集和测试集
3.特征预理----使用归一化 或者 标准化 ----因为不改变数据的分布情况#xff0c;所以不会影响结果
4.训练模型
5.评估模型# 导入 鸢尾花数据
from sklearn.datasets import lo…
完整的 鸢尾花预测流程
1.导入数据
2.切分数据集----将数据集分为 训练集和测试集
3.特征预理----使用归一化 或者 标准化 ----因为不改变数据的分布情况所以不会影响结果
4.训练模型
5.评估模型# 导入 鸢尾花数据
from sklearn.datasets import load_iris
# 切割数据集的函数
from sklearn.model_selection import train_test_split
#特征处理
from sklearn.preprocessing import StandardScaler
# 模型函数
from sklearn.neighbors import KNeighborsClassifier
# 1.先导入数据
iris load_iris()# 2.切割数据集 传入 数据 目标值 训练集比例 随机数种子
x_train,x_test,y_train,y_test train_test_split(iris.data,iris.target,train_size0.2,random_state22)
# 3.特征处理 ---标准化
transfer StandardScaler()
x_train transfer.fit_transform(x_train)
x_test transfer.transform(x_test)4.模型训练
实例化模型函数# 实例化模型函数 选择k值范围大小 选 9 范围内的数量最多的种类确定为自己的种类
estimator KNeighborsClassifier(n_neighbors4)
# 使用训练集进行训练
estimator.fit(x_train,y_train)# 5.模型评估
yEndpredict estimator.predict(x_test)
#1.直接评测 结果
print(预测结果为\n,yEndpredict )
print(预测结果为\n,yEndpredict y_test)# 2.评测准确率
score estimator.score(x_test,y_test)
print(该模型的准确率为,score)
