【菜菜的sklearn课堂】决策树-泰坦尼克号幸存者预测数据集

KNN算法主要用于分类问题。 它的核心思想是： 给定一个预测目标 计算预测目标和所有样本之间的距离或者相似度 选择距离最近的前K个样本 通过投票来决定分类 sklearn包中自带的iris样本数据集，这里用这个数据集来练习knn算法。 1、iris数据集的介绍 参考：这一块内容昨天看了一篇博文，忘记地址了。 数据集内包含 3 类共 150 条记录，每类各 50 个数据。 每条记录都有 4 个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度。 鸢尾花有三个品种：iris-setosa, iris-versicolour, iris-virginica。 通过这4个特征预测鸢尾花属于哪个品种。 需导入

sklearn、knn、朴素贝叶斯、决策树 100页PPT + Python源码 + 思维导图 + 运行结果截图 sklearn是基于python语言的机器学习工具包，是目前做机器学习项目当之无愧的第一工具。 sklearn自带了大量的数据集，可供我们练习各种机器学习算法。 sklearn集成了数据预处理、数据特征选择、数据特征降维、分类\回归\聚类模型、模型评估等非常全面算法

【数据描述】 经典机器学习算法练手聚类数据集，csv格式，存储了3000余组坐标点数据（x，y），可用于sklearn或普通python实现KMeans聚类，回归等任务 【使用说明】 建议python使用pandas进行数据导入，再使用python进行数据分析以及聚类等，也可以通过自己生成训练集与测试集的方式完成数据划分

【内容介绍】 python，sklearn机器学习，logstic等各种回归常用的鸢尾花数据集，含训练集和测试集，csv格式，其中训练集包含鸢尾花特征及标签数据120组，测试集包含特征及标签数据30组。 【适用场景】 需要一些练手分类数据集或采用sklearn下载相关数据集遇到问题的python机器学习初学阶段 【所需条件】 建议使用pandas等python表格数据工具包进行导入，数据格式为常见的csv表格形式

iris.csv 列名：sepal length，sepal width，petal length，petal width，label 本来找这个的，结果都要好多积分，我就从官网下了一个处理了一下，免费给大家

分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。

用于sklearn和TensorFlow的学习，暂时没有中文版，内容详细，代码可用

为了自用

为了自用