python机器学习入门案例机器学习入门案例——基于基于SVM分类器的鸢尾花分类分类器的鸢尾花分类
（附完整代码）（附完整代码）
数据集介绍数据集介绍
总共包含150行数据
每一行数据由 4 个特征值及一个目标值组成。
4 个特征值分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度
目标值为三种不同类别的鸢尾花，分别为： Iris Setosa、Iris Versicolour、Iris Virginica
数据集中每朵鸢尾花叫做一个数据点，它的品种叫做它的标签
数据集样式数据集样式:
导入需要的模块包导入需要的模块包
import numpy as np
from matplotlib import colors
from sklearn import svm
from sklearn import model_selection
import matplotlib.pyplot as plt
import matplotlib as mpl
具体模块下载如果出现问题可见博客：
手把手教你进行pip换源
数据准备数据准备
（1） 从指定路径下加载数据，将字符串转为整型
（2） 对加载的数据进行数据分割，x_train,x_test,y_train,y_test分别表示训练集特征、训练集标签、测试集特征、测试集标签
（3） 一部分数据用于构建模型，叫做训练数据，另一部分用于评估模型性能，叫做测试数据。利用scikit-learn中
的train_test_split函数可以实现这个功能
# 将字符串转为整型，便于数据加载
def iris_type(s):
it = {b'Iris-setosa':0, b'Iris-versicolor':1, b'Iris-virginica':2}
return it[s]
# 加载数据
data_path = 'iris.data' # 数据文件的路径
data = np.loadtxt(data_path, # 数据文件路径
dtype=float, # 数据类型
delimiter=',', # 数据分隔符
converters={4: iris_type}) # 将第5列使用函数iris_type进行转换
# 数据分割
x, y = np.split(data, # 要切分的数组
(4,), # 沿轴切分的位置，第5列开始往后为y
axis=1) # 代表纵向分割，按列分割
x = x[:, 0:2] # 在X中我们取前两列作为特征，为了后面的可视化。x[:,0:4]代表第一维(行)全取，第二维(列)取0~2
x_train, x_test, y_train, y_test = model_selection.train_test_split(x, # 所要划分的样本特征集
y, # 所要划分的样本结果
资源评论
XiaoMing_life2022-11-04内容不全，存在欺骗行为 #标题与内容不符 #毫无价值- youngyi20062021-09-18只是一个PDF文件，并没有说的代码
