使用scikit-learn的鳶尾花數據分類

秦培煜 胡艷芬

1.武漢軟件工程職業學院； 2.中國地質大學（武漢）

隨著大數據和人工智能時代的到來，機器學習得到了越來越多的應用。機器學習大致分為監督學習和無監督學習，分類屬于監督學習范疇[1]。本文使用scikit-learn對自帶的鳶尾花數據進行了分類和分析[2]。

一、分類過程

（一）鳶尾花數據加載

數據使用scikit-learn自帶的boston房價數據，使用load_boston函數加載。

import numpy as np

from sklearn.datasets import load_iris

iris= load_iris()

首先導入numpy和sklearn.datasets中load_iris函數，使用 load_iris加載鳶尾花數據，其中iris.data是特征數據，iris.target是標簽數據。

（二）數據歸一化

from sklearn.preprocessing import MinMaxScaler

minmaxIris = MinMaxScaler().fit_transform(iris.data)

特征數據中有些特征量綱特別大，有些特征量綱特別小，不同量綱數據放在一起使用，會影響最終預測結果。這里使用sklearn.preprocessing里的MinMaxScaler對鳶尾花數據進行歸一化。iris是歸一化前的數據，minmaxIris 是歸一化后的數據。

（三）數據劃分

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test =train_test_split(minmaxIris ,minmaxIris.target,random_state=100)

這里使用sklearn.model_selection里train_test_split對數據進行劃分。默認數據的75%劃分為訓練集，25%劃分為測試集。

（四）分類模型選用

from sklearn.svm import SVC

svc = SVC().fit(X_train,y_train)

pred = svc.predict(X_test)

使用sklearn.svm里的SVC模型對數據進行訓練并預測。得到的pred是預測值數據。

（五）準確率評價指標

from sklearn.metrics import accuracy_score

accuracy_score(y_test,pred)

accuracy_score是準確率評價指標，最后得到真實值y_test和預測值pred之間的準確率為94.74%。

二、結論

本文基于scikit-learn,對鳶尾花數據進行了分類并做了評價分析。首先加載鳶尾花數據；其次對數據進行歸一化；然后將數據劃分成訓練集和測試集，并用支持向量機分類模型對訓練集進行訓練，對測試集進行預測；最后用準確率指標對預測結果進行了評價。整個過程對于分類有著重要的指導意義。