python使用sklearn鳶尾花識別，代碼傳送門：

# 引入數據集，sklearn包含眾多數據集
from sklearn import datasets
# 將數據分為測試集和訓練集
from sklearn.model_selection import train_test_split
# 利用鄰近點方式訓練數據
from sklearn.neighbors import KNeighborsClassifier
 
# 引入數據,本次導入鳶尾花數據，iris數據包含4個特征變量
iris = datasets.load_iris()
# 特征變量
iris_X = iris.data
# print(iris_X)
print('特征變量的長度',len(iris_X))
# 目標值
iris_y = iris.target
print('鳶尾花的目標值',iris_y)
# 利用train_test_split進行訓練集和測試機進行分開，test_size占30%
X_train,X_test,y_train,y_test=train_test_split(iris_X,iris_y,test_size=0.3)
# 我們看到訓練數據的特征值分為3類
# print(y_train)

# 訓練數據
# 引入訓練方法
knn = KNeighborsClassifier()
# 進行填充測試數據進行訓練
knn.fit(X_train,y_train)
 
params = knn.get_params()
print(params)

 
score = knn.score(X_test,y_test)
print("預測得分為：%s"%score)

 
# 預測數據，預測特征值
print(knn.predict(X_test))

# 打印真實特征值
print(y_test)

運行結果：

特征變量的長度 150
鳶尾花的目標值 [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]
{'algorithm': 'auto', 'leaf_size': 30, 'metric': 'minkowski', 'metric_params': None, 'n_jobs': None, 'n_neighbors': 5, 'p': 2, 'weights': 'uniform'}
預測得分為：0.9555555555555556
[0 2 2 2 0 1 0 2 1 0 2 0 2 0 1 2 1 2 1 2 1 0 2 1 1 1 0 0 1 2 0 1 0 2 0 1 0
 1 2 0 0 2 0 2 1]
[0 2 2 2 0 1 0 2 1 0 2 0 1 0 1 2 1 2 1 1 1 0 2 1 1 1 0 0 1 2 0 1 0 2 0 1 0
 1 2 0 0 2 0 2 1]

本文代碼系摘取，鏈接傳送門：https://www.cnblogs.com/wj-1314/p/10179741.html

總結

以上是生活随笔為你收集整理的【机器学习】sklearn鸢尾花识别，python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。