码迷,mamicode.com
首页 > 其他好文 > 详细

使用sklearn对iris数据集做基本的训练和预测

时间:2021-02-27 13:09:33      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:gre   int   ESS   ret   python   logistic   mat   near   行数据   

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression


#X的shape是(150,4),y是个一维数组,长度为150,可能有3种标签
X, y = load_iris(return_X_y=True)


#训练模型
clf = LogisticRegression(random_state=0).fit(X, y)


#处理前两行,所有列。predict,返回的是这两行数据的预测结果,shape为(2,)
labels = clf.predict(X[:2, :])
print(labels.shape)


#Probability estimates,返回的是各个标签的可能性,得到的shape为(2,3)
probs = clf.predict_proba(X[:2, :])
print(probs.shape)


#计算预测的成功率(对每个X计算出y,再和实际的y比较)
print(clf.score(X, y))

  

使用sklearn对iris数据集做基本的训练和预测

标签:gre   int   ESS   ret   python   logistic   mat   near   行数据   

原文地址:https://www.cnblogs.com/zz962/p/14453546.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!