使用感知机模型分类iris

感知机是一种二分类模型，不能直接用于多分类问题，但可以通过多次训练将多分类问题转化为多个二分类问题。以下是使用感知机模型分类iris数据集的步骤：

1. 导入iris数据集

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

2. 特征标准化

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X = scaler.fit_transform(X)

3. 将数据集分为训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

4. 定义感知机模型

from sklearn.linear_model import Perceptron
clf = Perceptron()

5. 训练模型

clf.fit(X_train, y_train)

6. 预测测试集结果并计算准确率

from sklearn.metrics import accuracy_score
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

在iris数据集上，感知机模型的准确率约为80%