标签:%% 临近 predict train test import 鸢尾花 sklearn
sklearndataset里面有鸢尾花数据集接口,本篇使用sklearn官方数据集,使用k近邻算法。
导入加载器,获取数据.
查看数据规模,养成良好习惯
数据分割
# %% from sklearn.model_selection import train_test_split # %% X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.25, random_state=33)
标准化
# %% from sklearn.preprocessing import StandardScaler ss = StandardScaler() X_train = ss.fit_transform(X_train) X_test = ss.transform(X_test)
使用k近邻分类器对数据进行训练
from sklearn.neighbors import KNeighborsClassifier # 使用K近邻分类器对测试数据进行类别预测,预测结果储存在变量y_predict中。 knc = KNeighborsClassifier() knc.fit(X_train, y_train) y_predict = knc.predict(X_test)
测试集预测结果如下
查看评分
标签:%%,临近,predict,train,test,import,鸢尾花,sklearn 来源: https://www.cnblogs.com/ld66/p/15312381.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。