标签:iris 通用 模式 print train test ### sklearn
1 from sklearn import datasets#引入数据集,sklearn包含众多数据集 2 from sklearn.model_selection import train_test_split#将数据分为测试集和训练集 3 from sklearn.neighbors import KNeighborsClassifier#利用邻近点方式训练数据 4 5 ###引入数据### 6 iris=datasets.load_iris()#引入iris鸢尾花数据,iris数据包含4个特征变量 7 8 #print(iris) 9 10 iris_X=iris.data #特征变量 11 iris_y=iris.target #目标值 12 # print(iris_X) 13 # print(iris_y) 14 ''' 15 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 16 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 18 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 19 2 2] 20 ''' 21 X_train,X_test,y_train,y_test=train_test_split(iris_X,iris_y,test_size=0.3)#利用train_test_split进行将训练集和测试集进行分开,test_size占30% 22 # print(y_train)#我们看到训练数据的特征值分为3类 23 ''' 24 [1 0 0 1 1 1 1 0 1 2 2 2 1 0 1 1 2 1 0 0 2 2 0 2 1 2 1 0 2 2 2 2 2 0 2 2 0 25 2 0 1 1 2 0 0 2 1 1 1 0 0 2 0 1 2 0 1 2 0 0 0 2 1 2 2 1 1 2 0 2 0 1 1 0 1 26 2 2 1 1 2 1 0 2 2 2 1 2 2 1 2 1 0 2 0 0 0 2 1 2 0 1 1 0 1 1 2] 27 ''' 28 #print(X_train) 29 ###训练数据### 30 knn=KNeighborsClassifier()#引入训练方法 31 knn.fit(X_train,y_train)#进行填充测试数据进行训练 32 33 ###预测数据### 34 print(knn.predict(X_test))#预测特征值 35 36 ''' 37 [2 1 2 0 1 1 0 0 1 1 0 0 1 1 1 0 2 1 2 0 0 0 1 0 0 0 1 1 2 1 2 0 0 0 1 0 2 38 2 1 1 0 1 1 1 2] 39 ''' 40 print(y_test)#真实特征值 41 ''' 42 [2 1 2 0 1 1 0 0 1 1 0 0 1 1 1 0 2 1 2 0 0 0 2 0 0 0 1 1 2 1 2 0 0 0 1 0 2 43 2 1 1 0 2 1 1 2] 44 '''
标签:iris,通用,模式,print,train,test,###,sklearn 来源: https://www.cnblogs.com/fclzh/p/15179688.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。