上次使用weka对鸢尾花数据集进行了一个预测，这次使用sklearn试一下。其实sklearn貌似内置了iris的数据，可以直接用，但是为了直观一点，还是自己去下载数据。然后为了方便之后带到其他情况中，分成两个数据来处理。
照旧，数据集在这里可以找到。
这里处理成一个比较方便的格式。 格式如下：
Class sepal_length sepal_width petal_length petal_width
Iris-setosa 5.1 3.5 1.4 0.2
Iris-setosa 4.9 3 1.4 0.2
Iris-setosa 5 3.6 1.4 0.2
Iris-setosa 5.4 3.9 1.7 0.4
Iris-setosa 4.6 3.4 1.4 0.3
Iris-setosa 5 3.4 1.5 0.2
Iris-setosa 4.4 2.9 1.4 0.2
Iris-setosa 5.4 3.7 1.5 0.2
Iris-setosa 4.8 3.4 1.6 0.2
Iris-setosa 4.3 3 1.1 0.1
Iris-setosa 5.7 4.4 1.5 0.4
Iris-setosa 5.4 3.9 1.3 0.4
Iris-setosa 5.1 3.5 1.4 0.3
随意弄一些作为测试组。
试一试用ComplementNB算法来训练
from sklearn.naive_bayes import ComplementNB
import pandas as pd
import joblib
# 处理成数字
def normalization(arff):
df = pd.read_table(arff, sep="\t", header=0, index_col=False)
for col in df.columns.values.tolist():
if col == "Class":
for i in df["Class"].index:
if df.loc[i, "Class"] == "Iris-setosa":
df.loc[i, "Class"] = 0
elif df.loc[i, "Class"] == "Iris-versicolor":
df.loc[i, "Class"] = 1
else:
df.loc[i, "Class"] = 2
return df
model = ComplementNB()
train = normalization("train.txt")
xtrain = train.iloc[:, 1:]
ytrain = train["Class"]
ytrain = ytrain.astype("int")
clf = model.fit(xtrain, ytrain)
test = normalization("test.txt")
xtest = test.iloc[:, 1:]
predict_clf = list(clf.predict(xtest))
结果并没有特别好，但是流程是走通了。多换几个模型试一试就可以了。