采用KNN算法对鸢尾花品种分类与预测，可用于故障诊断与模式识别领域
采用KNN算法对鸢尾花品种分类与预测，预测的准确率达到了96.97%，可用于故障诊断与模式识别领域。具体步骤如下：
# 加载数据集
# 通过Matplotlib绘制鸢尾花每个品种的各个特征平均值的柱状图
# 划分数据集，留出法的实现数据集
# 对训练集和测试集进行索引重置，分别重置为从0开始的连续索引，得到训练集标签数据train_label、测试集标签数据test_label
# 训练集特征数据train_fea、测试集特征数据test_fea
# 数据归一化，由于不同特征的取值有明显的差别，取值较大的特征，特征变化往往比较大，这样会导致计算的距离结果更多地受到取值较大的特征变化的影响
# 数据集的多维特征对于距离计算是同等重要的，对特征进行归一化，即将特征的取值范围映射到0～1之间
# 建立评估函数，通过评估指标来评估模型预测的正确率
文件下载
资源详情
[{"title":"（ 1 个子文件 14KB ） 采用KNN算法对鸢尾花品种分类与预测，可用于故障诊断与模式识别领域","children":[{"title":"KNN鸢尾花品种分类与预测.ipynb <span style='color:#111;'> 57.32KB </span>","children":null,"spread":false}],"spread":true}]
评论信息
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明