鸢尾花数据集分类：KNN和SVM算法实现

该程序使用sklearn库实现了KNN和SVM算法对鸢尾花数据集进行分类的功能

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.svm import SVC from sklearn.metrics import accuracy_score

加载数据集

iris = load_iris()

划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

KNN算法

knn = KNeighborsClassifier(n_neighbors=3) knn.fit(X_train, y_train) knn_pred = knn.predict(X_test) knn_acc = accuracy_score(y_test, knn_pred) print('KNN accuracy:', knn_acc)

SVM算法

svm = SVC(kernel='linear') svm.fit(X_train, y_train) svm_pred = svm.predict(X_test) svm_acc = accuracy_score(y_test, svm_pred) print('SVM accuracy:', svm_acc)

首先，程序加载了鸢尾花数据集

然后，程序将数据集划分为训练集和测试集，其中测试集占比为0.2

接下来，程序使用KNN算法对训练集进行训练，并利用测试集进行预测

然后，程序计算KNN算法的分类准确率并输出

然后，程序使用SVM算法对训练集进行训练，并利用测试集进行预测

然后，程序计算SVM算法的分类准确率并输出