数据集

这是网上找的一个经典案例，很多算法都可以对其进行训练。

目前，有两种方式获取数据集

• sklearn.datasets提供数据集接口
• 通过pandas从网上导入

我将文档下载好，以csv的形式保存在pycharm上。文档内容如下：

 

可以看出，第一行的前四项为鸢尾花特征，最后一项是鸢尾花类别，一共分三类。

导入pd包后，获取文档里面的数据，路径可填相对路径，并将数据集命名为df。

 

通过keys查看属性，如果是sklearn.datasets里面的数据集，keys一般有data target等等

 

 

 数据分割：前四项作为特征，最后一项做预测值

# %%
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(df[df.keys()[0:4]],df[df.keys()[4]],test_size=0.25,random_state=33)

这里要注意一些细节，keys（）是一个函数，要加括号。分割[0:4] 指的是从0开始到3（不包括4）

分割好后，输出一下：

 

 

 数据标准化

# 从sklearn.preprocessing里导入StandardScaler。
from sklearn.preprocessing import StandardScaler
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

标准化后的数据，标准化我们只对输入特征标准化，因为他们都是数值，可以量化。而类别是字符串，不能标准化。

 

 采用逻辑斯特对其训练

lr = LogisticRegression()
# 调用LogisticRegression中的fit函数/模块用来训练模型参数。
lr.fit(X_train, y_train)
# 使用训练好的模型lr对X_test进行预测，结果储存在变量lr_y_predict中。
lr_y_predict = lr.predict(X_test)

输出测试集的结果

 

 查看评分

 

可见正确率还是挺高的。

自写一个测试