使用scikit-learn的鸢尾花数据分类

秦培煜 胡艳芬

1.武汉软件工程职业学院； 2.中国地质大学（武汉）

随着大数据和人工智能时代的到来，机器学习得到了越来越多的应用。机器学习大致分为监督学习和无监督学习，分类属于监督学习范畴[1]。本文使用scikit-learn对自带的鸢尾花数据进行了分类和分析[2]。

一、分类过程

（一）鸢尾花数据加载

数据使用scikit-learn自带的boston房价数据，使用load_boston函数加载。

import numpy as np

from sklearn.datasets import load_iris

iris= load_iris()

首先导入numpy和sklearn.datasets中load_iris函数，使用 load_iris加载鸢尾花数据，其中iris.data是特征数据，iris.target是标签数据。

（二）数据归一化

from sklearn.preprocessing import MinMaxScaler

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

特征数据中有些特征量纲特别大，有些特征量纲特别小，不同量纲数据放在一起使用，会影响最终预测结果。这里使用sklearn.preprocessing里的MinMaxScaler对鸢尾花数据进行归一化。iris是归一化前的数据，minmaxIris 是归一化后的数据。

（三）数据划分

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)

这里使用sklearn.model_selection里train_test_split对数据进行划分。默认数据的75%划分为训练集，25%划分为测试集。

（四）分类模型选用

from sklearn.svm import SVC

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

pred = svc.predict(X_test)

使用sklearn.svm里的SVC模型对数据进行训练并预测。得到的pred是预测值数据。

（五）准确率评价指标

from sklearn.metrics import accuracy_score

accuracy_score(y_test,pred)

accuracy_score是准确率评价指标，最后得到真实值y_test和预测值pred之间的准确率为94.74%。

二、结论

本文基于scikit-learn,对鸢尾花数据进行了分类并做了评价分析。首先加载鸢尾花数据；其次对数据进行归一化；然后将数据划分成训练集和测试集，并用支持向量机分类模型对训练集进行训练，对测试集进行预测；最后用准确率指标对预测结果进行了评价。整个过程对于分类有着重要的指导意义。