(相关资料图)

有啥问题欢迎在评论区讨论！

鸢尾花分类（测试代码）

#案例二 鸢尾花分类#from sklearn.datasets import load_iris#导入iris 数据集from sklearn.neighbors import KNeighborsClassifier#导入近邻分类算法from sklearn.model_selection import cross_val_score #导入K折交叉睑证模块import matplotlib. pyplot as plt #导入可视化模块#加载数据库iris = load_iris()x=iris.datay=iris.targetknn=KNeighborsClassifier(n_neighbors=5)#建立5近邻模型scores = cross_val_score(knn,x,y,cv = 10,scoring = 'accuracy')print(scores,"\n")print(scores.mean())k_range = range(1,31)k_scores =[]for k in k_range:    knn = KNeighborsClassifier(n_neighbors = k)    scores = cross_val_score(knn,x,y,cv = 10,scoring = 'accuracy')    k_scores.append(scores.mean())print(k_scores)plt.plot(k_range,k_scores)plt.xlabel('The value of the k in KNN')plt.ylabel('accuracy')plt.show()

案例三 房价预测

#案例三 波士顿房价预测#import matplotlib. pyplot as plt #导入可视化模块import pandas as pdimport numpy as np#获得普通线性模型、岭回归模型、套索回归模型from sklearn.linear_model import LinearRegression,Ridge,Lassofrom sklearn.metrics import r2_scoreimport sklearn.datasets as datasetsdata_url = "http://lib.stat.cmu.edu/datasets/boston"raw_df = pd.read_csv(data_url,sep="\s+", skiprows=22,header=None)data = np.hstack([raw_df.values[::2,:], raw_df.values[1::2, :2]])target = raw_df.values[1::2,2]#训练数据x_train = data[:481]y_train = target[:481]#测试数据x_test = data[481:]y_true = target[481:]line=LinearRegression()ridge = Ridge()lasso = Lasso()#训练line.fit(x_train,y_train)ridge.fit(x_train,y_train)lasso.fit(x_train, y_train)#预测line_y_pre = line.predict(x_test)ridge_y_pre = ridge.predict(x_test)lasso_y_pre = lasso.predict(x_test)plt.plot(y_true,label = 'True')#原始房价plt.plot(line_y_pre,label = 'Line')#普通线性回归预测的房价plt.plot(ridge_y_pre,label ='Ridge')#岭回归预测的房价plt.plot(lasso_y_pre,label = 'Lasso')#套索回归预测的房价plt.legend()plt.show()line_score=r2_score(y_true,line_y_pre)ridge_score=r2_score(y_true,ridge_y_pre)lasso_score=r2_score(y_true,lasso_y_pre)print( line_score,ridge_score,lasso_score)