首页 > 代码库 > 使用sklearn简单粗暴对iris数据做分类
使用sklearn简单粗暴对iris数据做分类
注：1、每一个模型都没有做数据处理
2、调用方式都是一样的»»» 引入model → fit数据 → predict，后面只记录导入模型语句。
导入数据：
from sklearn import datasetsiris = datasets.load_iris()print "The iris‘ target names: ",iris.target_namesx = iris.datay = iris.target
线性回归：
from sklearn import linear_modellinear = linear_model.LinearRegression()linear.fit(x,y)print "linear‘s score: ",linear.score(x,y)linear.coef_ #系数linear.intercept_ #截距print "predict: ",linear.predict([[7,5,2,0.5],[7.5,4,7,2]])
logistic回归：
from sklearn import linear_modellogistic = linear_model.LogisticRegression()
决策树：
from sklearn import treetree = tree.DecisionTreeClassifier(criterion=‘entropy‘) # 可选Gini、Information Gain、Chi-square、entropy
支持向量机：
from sklearn import svmsvm = svm.SVC()
朴素贝叶斯：
from sklearn import naive_bayesbayes = naive_bayes.GaussianNB()
KNN:
from sklearn import neighborsKNN = neighbors.KNeighborsClassifier(n_neighbors = 3)
使用sklearn简单粗暴对iris数据做分类
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。