初識Sklearn-IrisData訓練與預測

筆記：機器學習入門---鳶尾花分類

Sklearn 自己就有不少數據庫，能夠用來練習。 以 Iris 的數據爲例，這種花有四個屬性，花瓣的長寬，莖的長寬，根據這些屬性把花分爲三類：山鳶尾花Setosa、變色鳶尾花Versicolor、韋爾吉尼婭鳶尾花Virginica
。sklearn iris數據包含植物學家已經進行了分類鑑定的150朵不一樣的鳶尾花，咱們也能夠對每一朵鳶尾花進行準確測量獲得花萼花瓣的數據。

Code:

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

iris=datasets.load_iris()
iris_X=iris.data
iris_Y=iris.target
# print(iris.feature_names)
# print(iris.target_names)
# print(iris.target_names[iris.target[0]])
# print(iris_X)
print(iris_Y)

# 把150條數據分爲訓練集（135條）和測試集（條），其中的爲 test_size=0.1，即測試集佔總數據的10%
X_train, X_test, y_train, y_test = train_test_split(
    iris_X, iris_Y, test_size=0.1)

print(len(X_train))
print(len(X_test))

# 創建模型－訓練－預測
# 定義模塊方式 KNeighborsClassifier()， 用 fit 來訓練 training data
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)
print(knn.predict(X_test))
print(y_test)

Result:

[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
 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
 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
 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
 2 2]
135
15
[1 0 1 1 0 2 1 0 2 1 2 1 2 2 1]
[1 0 1 1 0 2 1 0 2 1 2 1 2 2 1]