鳶尾花識(shí)別是一個(gè)經(jīng)典的機(jī)器學(xué)習(xí)分類問題，它的數(shù)據(jù)樣本中包括了4個(gè)特征變量，1個(gè)類別變量，樣本總數(shù)為150。

它的目標(biāo)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(gè)特征來識(shí)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(xùn)練集

fromsklearn.model_selectionimporttrain_test_split

#利用鄰近點(diǎn)方式訓(xùn)練數(shù)據(jù)

fromsklearn.neighborsimportKNeighborsClassifier

#引入數(shù)據(jù),本次導(dǎo)入鳶尾花數(shù)據(jù)，iris數(shù)據(jù)包含4個(gè)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(biāo)值

iris_y=iris.target

print('鳶尾花的目標(biāo)值',iris_y)

#利用train_test_split進(jìn)行訓(xùn)練集和測試機(jī)進(jìn)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(xùn)練數(shù)據(jù)的特征值分為3類

#print(y_train)

'''

[1102000222102021010201002120010010000

2221112020111122122202220101001222111

2001021201222121001001110211022]

'''

#訓(xùn)練數(shù)據(jù)

#引入訓(xùn)練方法

knn=KNeighborsClassifier()

#進(jìn)行填充測試數(shù)據(jù)進(jìn)行訓(xùn)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(yù)測得分為：%s"%score)

'''

預(yù)測得分為：0.9555555555555556

[1211221000012010200022022221222122120

21211021]

[1211221000012010200012022221122122120

21211021]

'''

#預(yù)測數(shù)據(jù)，預(yù)測特征值

print(knn.predict(X_test))

'''

[0222200002202021202102101220210211202

12021012]

'''

#打印真實(shí)特征值

print(y_test)

'''

[1222211112111121102111020200202020220

22010200]

'''

以上內(nèi)容為大家介紹了pythonsklearn的快速使用，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。