2、python机器学习基础教程——K近邻算法鸢尾花分类

一、第一个K近邻算法应用：鸢尾花分类

import numpy as np from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier # 加载数据 iris_dataset = load_iris() # 实例化模型 knn = KNeighborsClassifier(n_neighbors=1) # 切分训练和测试数据集 X_train,X_test,y_train,y_test = train_test_split(iris_dataset["data"], iris_dataset["target"],random_state=0) #训练 knn.fit(X_train, y_train) # 评估模型 print("Test set score:{:.2f}".format(knn.score(X_test,y_test))) # 预测 X_new = np.array([[5,2.9,1,0.2]]) prediction = knn.predict(X_new) print("Predicted target name:{}".format(iris_dataset["target_names"][prediction]))

以上代码段包含了应用scikit-learn中人和机器学习算法的核心代码。

fit、predict和score方法是scikit-learn监督学习模型中最常用的接口。