基于K-最近邻算法构建鸢尾花分类模型
基于K-最近邻算法构建鸢尾花分类模型
一 任务描述
鸢尾花(Iris)数据集是机器学习中一个经典的数据集。假设有一名植物学爱好者收集了150朵鸢尾花的测量数据:花瓣的长度和宽度以及花萼的长度和宽度,这些花已经鉴定为属于Setosa、Versicolor和Virginica三个品种之一。
本任务的主要工作内容包括:
1、 使用 Pandas和Matplotlib可视化并观察数据;
2、 将数据集随机拆分为训练集(train set)和测试集(test set);
3、 构建一个机器学习分类模型(K-最近邻算法)并评估其准确性(Accuracy)。
资源包下载链接
二 任务目标
- 掌握机器学习的基本概念,如样本、特征、训练集和测试集、泛化能力、模型评估、模型的准确性(Accuacy)等。 重点
- 熟悉使用Scikit-learn构建机器学习模型的基本过程。 重点
- 熟悉K-最近邻算法(KNN算法)的思想。 重点
- 掌握数据集拆分函数、训练拟合函数、模型评估函数的使用。 重点
三 任务环境
操作系统:Windows 10、Ubuntu18.04
工具软件:Anaconda3 2019、Python3.7
硬件环境:无特殊要求
依赖库列表
matplotlib 3.3.4 numpy 1.19.5 pandas 1.1.5 scikit-learn 0.24.2
四 任务分析
因为学习数据中已知鸢尾花的品种(即数据的标签),所以这是一个监督学习,另外模型的用途是预测新的测量数据的品种,因此这是一个分类(Classification)问题。单个数据点(一朵鸢尾花的测量数据)的预期输出是这朵花的品种(标签)。
本任务涉及以下几个环节:
a)认识数据、观察数据(可视化)
b)将数据拆分为训练集与测试集
c)构建模型:K最近邻算法
d)训练模型
e)评估模型
五 资源介绍
5.1 资源截图
5.2 部分代码截图
基于K-最近邻算法构建鸢尾花分类模型相关推荐
- 基于K-最近邻算法构建红酒分类模型
基于K-最近邻算法构建红酒分类模型 描述 Wine红酒数据集是机器学习中一个经典的分类数据集,它是意大利同一地区种植的葡萄酒化学分析的结果,这些葡萄酒来自三个不同的品种.数据集中含有178个样本,分别 ...
- 【机器学习】sklearn机器学习入门案例——使用k近邻算法进行鸢尾花分类
1 背景 这个案例恐怕已经被说的很烂了,机器学习方面不同程度的人对该案例还是有着不同的感觉.有的人追求先理解机器学习背后的理论甚至自己推导一遍相关数学公式,再用代码实现:有的人则满足于能够实现相关功能 ...
- 基于K均值算法的鸢尾花聚类实验(Sklearn实现)
实验代码 ##### 相关库导入部分 ##### from sklearn.datasets import load_iris import pandas as pd from sklearn.pre ...
- 基于sklearn的鸢尾花分类模型
1.鸢尾花数据获取及查看 可以通过sklearn直接获取数据集: from sklearn.datasets import load_iris import matplotlib.pyplot as ...
- R语言构建文本分类模型:文本数据预处理、构建词袋模型(bag of words)、构建xgboost文本分类模型、基于自定义函数构建xgboost文本分类模型
R语言构建文本分类模型:文本数据预处理.构建词袋模型(bag of words).构建xgboost文本分类模型.基于自定义函数构建xgboost文本分类模型 目录
- R语言构建文本分类模型并使用LIME进行模型解释实战:文本数据预处理、构建词袋模型、构建xgboost文本分类模型、基于文本训练数据以及模型构建LIME解释器解释多个测试语料的预测结果并可视化
R语言构建文本分类模型并使用LIME进行模型解释实战:文本数据预处理.构建词袋模型.构建xgboost文本分类模型.基于文本训练数据以及模型构建LIME解释器解释多个测试语料的预测结果并可视化 目录
- Python构建基于elkan优化算法的K-Means聚类模型
Python构建基于elkan优化算法的K-Means聚类模型 目录 Python构建基于elkan优化算法的K-Means聚类模型 #elkan优化算法
- 基于改进的k最近邻算法的单体型重建问题An Improved KNN Algorithm for Haplotype Reconstruction Problem
基于改进的k最近邻算法的单体型重建问题 An Improved KNN Algorithm for Haplotype Reconstruction Problem DOI: 10.12677/csa ...
- python机器学习案例系列教程——K最近邻算法(KNN)、kd树
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 K最近邻简介 K最近邻属于一种估值或分类算法,他的解释很容易. 我们假设一个人的优秀成为设定为1.2.3.4.5.6.7.8.9.10 ...
最新文章
- 论分层思想在各行各业的应用
- 转:思科3750交换机堆叠技术配置向导
- Java:自定义异常处理类
- ubuntu11.04下配置中文输入法
- order是mysql系统关键字_MySQL数据库如何使用“ORDER BY”关键字对查询结果进行排序呢?...
- 了解SQL Server SELECT INTO语句
- Atitit uke plnsy安全隐私保护法案 目录 第一章 一般规定	2 第1节 主题与目标	2 第二章 常见安全原则	3 第1节 隔离 保密 shell	3 第2节 隐藏 保密 不出头	3
- Java杨辉三角打印
- 数据结构之时间复杂度的计算
- oracle有rtf函数,oracle存取rtf文档
- 王之泰《面向对象程序设计(java)》课程学习总结
- 钉钉机器人关键字自动回复_【原创新软件】办公引流机器人个人微信企业微信QQ通用的自动回复,群发助手...
- nove6怎么升级鸿蒙系统,华为手机怎么升级鸿蒙,华为鸿蒙系统支持手机型号大全...
- JAVA:不使用第三个变量,交换两个变量的值
- 如何对网站关键词进行合理布局?
- FORM 6i 安装
- PyQt5_pyqtgraph蜡烛图
- 产品摆个龙门阵——用户运营基础方法论
- 今夜月色必然明朗 水浒
- 最新教程:java(IDEA,eclipse都有)通过JDBC链接SQLServer2012数据库