深入Scikit-learn：掌握Python最强大的机器学习库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建并训练KNN分类器
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)
# 在测试集上评估模型
print(knn.score(X_test, y_test))这段代码展示了如何使用Scikit-learn库加载鸢尾花数据集，划分数据集，创建KNN分类器并在测试集上评估模型性能。这是机器学习的基本流程，对于初学者非常有帮助。
评论已关闭