鳶尾花識別是一個經(jīng)典的機器學習分類問題，它的數(shù)據(jù)樣本中包括了4個特征變量，1個類別變量，樣本總數(shù)為150。

它的目標是為了根據(jù)花萼長度(sepallength)、花萼寬度(sepalwidth)、花瓣長度(petallength)、花瓣寬度(petalwidth)這四個特征來識別出鳶尾花屬于山鳶尾(iris-setosa)、變色鳶尾(iris-versicolor)和維吉尼亞鳶尾(iris-virginica)中的哪一種。

#引入數(shù)據(jù)集，sklearn包含眾多數(shù)據(jù)集

fromsklearnimportdatasets

#將數(shù)據(jù)分為測試集和訓練集

fromsklearn.model_selectionimporttrain_test_split

#利用鄰近點方式訓練數(shù)據(jù)

fromsklearn.neighborsimportKNeighborsClassifier

#引入數(shù)據(jù),本次導入鳶尾花數(shù)據(jù)，iris數(shù)據(jù)包含4個特征變量

iris=datasets.load_iris()

#特征變量

iris_X=iris.data

#print(iris_X)

print('特征變量的長度',len(iris_X))

#目標值

iris_y=iris.target

print('鳶尾花的目標值',iris_y)

#利用train_test_split進行訓練集和測試機進行分開，test_size占30%

X_train,X_test,y_train,y_test=train_test_split(iris_X,iris_y,test_size=0.3)

#我們看到訓練數(shù)據(jù)的特征值分為3類

#print(y_train)

'''

[1102000222102021010201002120010010000

2221112020111122122202220101001222111

2001021201222121001001110211022]

'''

#訓練數(shù)據(jù)

#引入訓練方法

knn=KNeighborsClassifier()

#進行填充測試數(shù)據(jù)進行訓練

knn.fit(X_train,y_train)

params=knn.get_params()

print(params)

'''

{'algorithm':'auto','leaf_size':30,'metric':'minkowski',

'metric_params':None,'n_jobs':None,'n_neighbors':5,

'p':2,'weights':'uniform'}

'''

score=knn.score(X_test,y_test)

print("預測得分為：%s"%score)

'''

預測得分為：0.9555555555555556

[1211221000012010200022022221222122120

21211021]

[1211221000012010200012022221122122120

21211021]

'''

#預測數(shù)據(jù)，預測特征值

print(knn.predict(X_test))

'''

[0222200002202021202102101220210211202

12021012]

'''

#打印真實特征值

print(y_test)

'''

[1222211112111121102111020200202020220

22010200]

'''

以上內容為大家介紹了pythonsklearn的快速使用，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。