秦培煜 胡艷芬

1.武漢軟件工程職業(yè)學(xué)院； 2.中國(guó)地質(zhì)大學(xué)（武漢）

隨著大數(shù)據(jù)和人工智能時(shí)代的到來(lái)，機(jī)器學(xué)習(xí)得到了越來(lái)越多的應(yīng)用。機(jī)器學(xué)習(xí)大致分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)，分類(lèi)屬于監(jiān)督學(xué)習(xí)范疇[1]。本文使用scikit-learn對(duì)自帶的鳶尾花數(shù)據(jù)進(jìn)行了分類(lèi)和分析[2]。

一、分類(lèi)過(guò)程

（一）鳶尾花數(shù)據(jù)加載

數(shù)據(jù)使用scikit-learn自帶的boston房?jī)r(jià)數(shù)據(jù)，使用load_boston函數(shù)加載。

import numpy as np

from sklearn.datasets import load_iris

iris= load_iris()

首先導(dǎo)入numpy和sklearn.datasets中l(wèi)oad_iris函數(shù)，使用 load_iris加載鳶尾花數(shù)據(jù)，其中iris.data是特征數(shù)據(jù)，iris.target是標(biāo)簽數(shù)據(jù)。

（二）數(shù)據(jù)歸一化

from sklearn.preprocessing import MinMaxScaler

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

特征數(shù)據(jù)中有些特征量綱特別大，有些特征量綱特別小，不同量綱數(shù)據(jù)放在一起使用，會(huì)影響最終預(yù)測(cè)結(jié)果。這里使用sklearn.preprocessing里的MinMaxScaler對(duì)鳶尾花數(shù)據(jù)進(jìn)行歸一化。iris是歸一化前的數(shù)據(jù)，minmaxIris 是歸一化后的數(shù)據(jù)。

（三）數(shù)據(jù)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(duì)數(shù)據(jù)進(jìn)行劃分。默認(rèn)數(shù)據(jù)的75%劃分為訓(xùn)練集，25%劃分為測(cè)試集。

（四）分類(lèi)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(duì)數(shù)據(jù)進(jìn)行訓(xùn)練并預(yù)測(cè)。得到的pred是預(yù)測(cè)值數(shù)據(jù)。

（五）準(zhǔn)確率評(píng)價(jià)指標(biāo)

from sklearn.metrics import accuracy_score

accuracy_score(y_test,pred)

accuracy_score是準(zhǔn)確率評(píng)價(jià)指標(biāo)，最后得到真實(shí)值y_test和預(yù)測(cè)值pred之間的準(zhǔn)確率為94.74%。

二、結(jié)論

本文基于scikit-learn,對(duì)鳶尾花數(shù)據(jù)進(jìn)行了分類(lèi)并做了評(píng)價(jià)分析。首先加載鳶尾花數(shù)據(jù)；其次對(duì)數(shù)據(jù)進(jìn)行歸一化；然后將數(shù)據(jù)劃分成訓(xùn)練集和測(cè)試集，并用支持向量機(jī)分類(lèi)模型對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，對(duì)測(cè)試集進(jìn)行預(yù)測(cè)；最后用準(zhǔn)確率指標(biāo)對(duì)預(yù)測(cè)結(jié)果進(jìn)行了評(píng)價(jià)。整個(gè)過(guò)程對(duì)于分類(lèi)有著重要的指導(dǎo)意義。