使用knn算法对iris数据集进行分类
程序功能
使用 scikit-learn 库中的鸢尾花数据集（Iris dataset），并基于 KNN（K-Nearest Neighbors，K近邻）算法进行分类，最后评估模型的准确率。
代码
from sklearn import datasets
# 加载鸢尾花数据集
iris = datasets.load_iris()
# 查看数据集中的特征和目标
print(iris.data[:5]) # 前5个数据点的特征
print(iris.target[:5]) # 前5个数据点的类别标签
# 使用鸢尾花数据集进行KNN分类
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)
# 使用KNN模型
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
# 预测测试集
y_pred = knn.predict(X_test)
# 输出准确率
print(f"Accuracy: {accuracy_score(y_test, y_pred)}")
原文地址：https://blog.csdn.net/C7211BA/article/details/142267467
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！