有监督学习算法python代码实现

以下是一个使用Python实现监督学习算法的示例代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)

以上代码使用了sklearn库中的LogisticRegression类来实现监督学习算法，并使用鸢尾花数据集进行训练和测试。首先加载数据集，然后将数据集划分为训练集和测试集。接下来创建模型并进行训练，最后在测试集上进行预测并计算准确率