。。1 项目 1：基于 sklearn的数据分类挖掘一、项目任务①熟悉 sklearn 数据挖掘的基本功能。②进行用朴素贝叶斯、KNN、决策树 C4.5、 SVM算法进行数据分类分析。二、项目环境及条件sklearn-0.18.0 python-2.7.13 numpy-1.11.3+mkl-cp27-cp27m-win_amd64 scipy-0.19.0-cp27-cp27m-win_amd64 matplotlib-1.5.3-cp27-cp27m-win_amd64 三、实验数据Iris数据集Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。 Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150 个数据集，分为3 类，每类 50 个数据，每个数据包含4 个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4 个属性预测鸢尾花卉属于（Setosa ，Versicolour， Virginica）三个种类中的哪一类。Digits数据集美国著名数据集NIST 的子集，模式识别常用实验数据集，图像属于灰度图像。分辨率为8x8 四、项目内容及过程1. 读取数据集从 sklearn中读取 iris和 digits数据集并测试打印from sklearn import datasets iris = datasets.load_iris() digits = datasets.load_digits() print 'iris:',iris.data,'\ndigits:',digits.data 打印的数据集存在numpy.ndarray中， ndarray会自动省略较长矩阵的中间部分。Iris数据集的样本数据为其花瓣的各项属性Digits数据集的样本数据为手写数字图像的像素值2. 划分数据集引入 sklearn的 model_selection使用 train_test_split划分 digits数据集，训练集和测试集比例为8:2 from sklearn.model_selection import train_test_split x_train,x_test,y_train,y_test=train_test_split(digits.data,digits.target,test_size=0.2) 。。3 print 'x_train:',x_train,'\nx_test:',x_test,'\ny_train:',y_train,'\ny_test:',y_test3. 使用 KNN和 SVM对 digits测试集分类引 用sklearn的svm.SVC 和neighbors.KNeighborsClassifier模 块 调 用 算 法 ， 使 用classification_report查看预测结果的准确率和召回率from sklearn.metrics import classification_report from sklearn import neighbors clf = neighbors.KNeighborsClassifier() clf.fit(x_train,y_train) y_pred=clf.predict(x_test) print classification_report(y_test, y_pred) from sklearn.svm import SVC clf = SVC() clf.fit(x_train,y_train) y_pred=clf.predict(x_test)...
VIP
