機器學習sklearn之菜鳥入門一
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics
# read in the iris data
iris = load_iris()
X = iris.data
y = iris.target
for i in xrange(1,5):
print "random_state is ", i,", and accuracy score is:"
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.95, random_state=i)
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)
print metrics.accuracy_score(y_test, y_pred)
~
~
~
~
~
"t1.py" 22L, 586C written
/usr/local/lib/python2.7/dist-packages/sklearn/cross_validation.py:44: DeprecationWarning: This module was deprecated in version 0.18 in favor of the model_selection module into which all the refactored classes and functions are moved. Also note that the interface of the new CV iterators are different from that of this module. This module will be removed in 0.20.
"This module will be removed in 0.20.", DeprecationWarning)
random_state is 1 , and accuracy score is:
0.363636363636
random_state is 2 , and accuracy score is:
0.321678321678
random_state is 3 , and accuracy score is:
0.314685314685
random_state is 4 , and accuracy score is:
0.545454545455
相關推薦
機器學習sklearn之菜鳥入門一
from sklearn.datasets import load_iris from sklearn.cross_validation import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklear
【區塊鏈之菜鳥入門】區塊鏈——顛覆式創新技術
區塊鏈技術可以說在近期獲得了大量的關注，小川行長公開表示央行要研究區塊鏈技術；2015年區塊鏈成為了美國創投中獲得融資最高的板塊；26 歲少年Vitalik建立的開源區塊鏈平臺以太坊，2015 年 7 月上線後市值飆升至 10億美元，成為新晉獨角獸。區塊鏈在金融、共享經濟、物聯網等方面存在很高的應用價值，
在eclipse上連線MySQL資料庫的步驟之菜鳥入門
在網上搜了很多關於如何在eclipse上連線資料庫的問答和部落格，最終廢了好大勁才弄懂，於是做了這麼一個菜鳥級別的教程 一共有三個步驟吧： ①下載jdbc驅動jar包 ②建立資料庫 ③用eclipse嘗試載入sql驅動並獲得
DotNet菜鳥入門之無限極分類（一）設計篇
對數 tar null 擴展 creat nvarchar 鏈表 文章 數據庫設計 寫這個教程的原因，是因為，無限極分類，在許多項目中，都用得到。而對於新手來說，不是很好理解，同時，操作上也有一些誤區或者不當之處。所以我就鬥膽，拋磚引玉一下，已一個常見的後臺左側頻道樹為例子
【機器學習+sklearn框架】（一） 線性模型之Linear Regression
前言 一、原理 1.演算法含義 2.演算法特點 二、實現 1.sklearn中的線性迴歸 2.用Python自己實現演算法 三、思考（面試常問） 參考 前言 線性迴歸（Linear Regression）基本上可以說是機器
菜鳥入門_Python_機器學習（4）_PCA和MDA降維和聚類
@sprt *寫在開頭：博主在開始學習機器學習和Python之前從未有過任何程式設計經驗，這個系列寫在學習這個領域一個月之後，完全從一個入門級菜鳥的角度記錄我的學習歷程，程式碼未經優化，僅供參考。有錯誤之處歡迎大家指正。 系統：win7-CPU; 程式
菜鳥入門_Python_機器學習（3）_迴歸
@sprt *寫在開頭：博主在開始學習機器學習和Python之前從未有過任何程式設計經驗，這個系列寫在學習這個領域一個月之後，完全從一個入門級菜鳥的角度記錄我的學習歷程，程式碼未經優化，僅供參考。有錯誤之處歡迎大家指正。 系統：win7-CPU; 程式
Unity5權威講解之菜鳥讀書筆記（一）
Unity5權威講解讀書筆記（一） 0. Emmm.這本書自我感覺很適合我這個菜鳥來讀，主要講解了如何製作第三人稱的射擊遊戲（fps），同時介紹遊戲開發的必備技巧和技術，實用性很強有種深入淺出的感覺..... 1.資源會
學習React之旅 初學入門篇 （一）
自身情況 我之前自己學過一些vue，由於現在公司的這個專案是安卓和react native混合開發的，然後我負責的部分也已經完成了，現在就想從react開始學起，把基礎打牢。我的學習計劃路程是：react ==》 react-router-dom ==》
校招知識點總結篇之產品經理（菜鳥入門）
一、簡短清晰的自我介紹 二、APP功能的對比分析 1.分析一款你最喜歡的app，它的產品定位、目標使用者、競爭優勢，有哪些可以改進的地方？（最常用的app功能與同類APP的優劣勢比較分析及改進點，如淘寶、京東） 淘寶功能的改進：淘寶功能的瘦身和優化；地址暴漏問題（地址的
postgresql從入門到菜鳥（一）通過編譯方式安裝postgresql
最近工作需要用到postgresql資料庫，學習過程中發現網上的資料並不是很多。在這裡把學習的過程以及學習過程中的問題分享出來，希望能對需要剛才開始學習postgresql的人有所幫助。 （一）安裝篇 安裝安裝環境為：rehel虛擬機器。 安裝方式：原始碼安裝。
機器學習中之規範化，中心化，標準化，歸一化，正則化，正規化
一、歸一化，標準化和中心化 歸一化 （Normalization）、標準化 （Standardization）和中心化/零均值化 （Zero-centered） 標準化 資料的標準化（normalization）是將資料按比例縮放（scale），使之落入一個小的特定區間。在某些比較和評價
機器學習筆記之十一——整合學習之Boosting及AdaBoosting
上一篇記述了Bagging的思維與應用 ： https://blog.csdn.net/qq_35946969/article/details/85045432 本篇記錄Boosting的思想與應用：AdaBoosting、GDBT（
機器學習筆記之七——邏輯迴歸簡單推導、softmax簡單理解以及sklearn中邏輯迴歸常用引數解釋
邏輯迴歸 對邏輯迴歸的理解：對線性迴歸的假設函式的 f(x) 又套上了一層sigmoid函式，即g(f(x)). 然後sigmoid函式是長這樣的： 它的影象長這樣： 對於線性迴歸得到的結果，再經過一層sigmoid函式，以x=0為界限，左邊為0，右邊為1，邏輯迴歸就是這樣一個二分類
【菜鳥入門】stm32 之 ADC 模數轉換
今天對ADC進行了研究，個人感覺，ADC的配置相對也對比較複雜一點，因為需要配置的暫存器是比較多的！ 在datasheet 關於ADC的簡介中，明確說明ADC的輸入時鐘不得超過14M，他是有PCLK2經過分頻得來的 這次我們選用ADC1_IN0作為講解的物件，ADC1_IN
橢圓曲線加密學習的菜鳥入門
橢圓曲線：一個更好的trapdoor構件 橢圓曲線是滿足特定數學等式的點的集合。橢圓曲線的方程像如下的樣子： 它的影象： 還有其他形式的橢圓曲線的表達形式，但是一般的橢圓曲線方程，一個變數為2階，一個變數為3階。它有一些好的屬性用於加密。 1.奇怪的對稱性 它是水平
JAVA菜鳥入門(9) Java列印一維陣列，二維陣列
一 列印list中的元素 0 JAVA風格的最簡做法import java.util.List; ... List<Integer> l = new ArrayList(3); System.out.println(l); 1 JAVA風格的做法import j
java程式設計師菜鳥入門之十二jsp、EL表示式、jstl表示式
一、jsp技術 1．jsp指令碼和註釋 jsp指令碼： 1）<%java程式碼%> ----- 內部的java程式碼翻譯到service方法的內部 2）<%=java變數或表示式> ----- 會被翻譯成service方法內部out.print()
機器學習教程之1-感知器(Perceptron)的sklearn實現
0.概述 優點： 簡單且易於實現 缺點： 1.感知器模型 如果資料是線性可分的，並且是二分類的，則可以以下函式模型表示輸入到輸出的關係： 2.感知器學習策略 將所有誤分點到超平
機器學習教程之13-決策樹（decision tree）的sklearn實現
0.概述 決策樹（decision tree）是一種基本的分類與迴歸方法。 主要優點：模型具有可讀性，分類速度快。 決策樹學習通常包括3個步驟：特徵選擇、決策樹的生成和決策樹的修剪。 1.決策樹模型與學習 節點：根節點、子節點；內部節點（inter