新手入门机器学习案例（附源代码）

一颗西柚子

墨衍会员 · AI 创作全网分发码龄6年

关注

VIP免费原创 2022-09-07 16:30:11 6.6k 阅读 AI 写同款· GEO 优化 ›

这里复习一下一些简单的机器学习算法，也算是一个总结，希望能给大家做一个参考，后续会继续更新。

基础知识

混淆矩阵

在这里插入图片描述

第一天-KNN

鸢尾花分类

数据集介绍

在这里插入图片描述

代码实现

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

iris_data = load_iris()

print("花的样本数量：{}".format(iris_data['data'].shape))

# 构造训练数据和测试数据
X_train, X_test, y_train, y_test = train_test_split(
    iris_data['data'], iris_data['target'], random_state=0)
print("训练样本数据的大小：{}".format(X_train.shape))
print("训练样本标签的大小：{}".format(y_train.shape))
print("测试样本数据的大小：{}".format(X_test.shape))
print("测试样本标签的大小：{}".format(y_test.shape))

# 构造KNN模型
knn = KNeighborsClassifier(n_neighbors=5)

# 训练模型
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

# 评估模型
print("模型精度：{:.2f}".format(np.mean(y_pred == y_test)))
print("模型精度：{:.2f}".format(knn.score(X_test, y_test)))

# 查看模型情况
prediction = knn.predict(X_test)
print(confusion_matrix