花朵雌雄预测

导入数据集

import pandas as pd
data=pd.read_csv("iris.csv",index_col=0)

数据分割

我们可以使用iloc和loc来分割数据集,iloc参数一般是索引，loc参数一般是特征值。

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(data.iloc[:,0:-1],data.iloc[:,-1],test_size=0.25,random_state=33)

 数据标准化

# 从sklearn.preprocessing里导入StandardScaler。
from sklearn.preprocessing import StandardScaler
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

模型训练

 1.逻辑斯特模型

# 调用LogisticRegression中的fit函数/模块用来训练模型参数。
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression()
lr.fit(X_train, y_train)
lr_y_predict = lr.predict(X_test)

 查看评分,如图1-1

 　　　　　 图1-1 逻辑斯特模型评分

2.K近邻分类器

# 使用K近邻分类器对测试数据进行类别预测，预测结果储存在变量y_predict中。
from sklearn.neighbors import KNeighborsClassifier
knc = KNeighborsClassifier()
knc.fit(X_train, y_train)
y_predict = knc.predict(X_test)

查看评分，如下图1-2

 　　　　图1-2 K近邻分类器评分