1 # -*- coding: utf-8 -*- 2 """ 3 Created on Fri Sep 29 11:05:52 2017 4 機器學習之sklearn 5 @author: den 6 """ 7 # 導入數據集 8 from sklearn import datasets 9 # 進行交叉驗證 10 from sklearn.cross_validation import train_test_split 11 # 導入標準化尺度 12 from sklearn.preprocessing import StandardScaler 13 # 導入感知機算法 14 from sklearn.linear_model import Perceptron 15 # 計算分類的準確率 16 from sklearn.metrics import accuracy_score 17 18 # 加載數據 19 iris = datasets.load_iris() 20 # 樣本的后兩位特征 21 X = iris.data[:,[2,3]] 22 # 目標類別 23 y = iris.target 24 # 獲取30%的測試集，70%的訓練集 25 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0) 26 # 標準化操作，訓練集和測試集使用相同的標準化 27 sc = StandardScaler() 28 # 估算每個特征的平均值和標準差 29 sc.fit(X_train) 30 # 使用同樣的均值和標準差歸一化訓練集和測試集 31 sc.transform(X_train) 32 sc.transform(X_test) 33 34 35 # 獲得ppn對象 36 ppn = Perceptron(n_iter=40, eta0=0.5) 37 # 擬合 38 ppn.fit(X_train, y_train) 39 # 預測 40 y_pred = ppn.predict(X_test) 41 # 打印錯分率 42 print ('錯分樣本的個數為：%d' % (y_test != y_pred).sum()) 43 # 計算準確率 44 print ('模型的準確率為:%.2f' % accuracy_score(y_test, y_pred))

?

轉載于:https://www.cnblogs.com/demo-deng/p/7612027.html

總結

以上是生活随笔為你收集整理的sklearn学习_01的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。