人工智能课程实验二

有啥问题欢迎在评论区讨论！

鸢尾花分类（测试代码）

#案例二 鸢尾花分类#
from sklearn.datasets import load_iris#导入iris 数据集
from sklearn.neighbors import KNeighborsClassifier#导入近邻分类算法
from sklearn.model_selection import cross_val_score #导入K折交叉睑证模块
import matplotlib. pyplot as plt #导入可视化模块
#加载数据库
iris = load_iris()
x=iris.data
y=iris.target
knn=KNeighborsClassifier(n_neighbors=5)#建立5近邻模型
scores = cross_val_score(knn,x,y,cv = 10,scoring = 'accuracy')
print(scores,"\n")
print(scores.mean())
k_range = range(1,31)
k_scores =[]
for k in k_range:
    knn = KNeighborsClassifier(n_neighbors = k)
    scores = cross_val_score(knn,x,y,cv = 10,scoring = 'accuracy')
    k_scores.append(scores.mean())
print(k_scores)
plt.plot(k_range,k_scores)
plt.xlabel('The value of the k in KNN')
plt.ylabel('accuracy')
plt.show()

案例三 房价预测

#案例三 波士顿房价预测#
import matplotlib. pyplot as plt #导入可视化模块
import pandas as pd
import numpy as np
#获得普通线性模型、岭回归模型、套索回归模型
from sklearn.linear_model import LinearRegression,Ridge,Lasso
from sklearn.metrics import r2_score
import sklearn.datasets as datasets
data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url,sep="\s+", skiprows=22,header=None)
data = np.hstack([raw_df.values[::2,:], raw_df.values[1::2, :2]])
target = raw_df.values[1::2,2]
#训练数据
x_train = data[:481]
y_train = target[:481]
#测试数据
x_test = data[481:]
y_true = target[481:]
line=LinearRegression()
ridge = Ridge()
lasso = Lasso()
#训练
line.fit(x_train,y_train)
ridge.fit(x_train,y_train)
lasso.fit(x_train, y_train)
#预测
line_y_pre = line.predict(x_test)
ridge_y_pre = ridge.predict(x_test)
lasso_y_pre = lasso.predict(x_test)
plt.plot(y_true,label = 'True')
#原始房价
plt.plot(line_y_pre,label = 'Line')
#普通线性回归预测的房价
plt.plot(ridge_y_pre,label ='Ridge')
#岭回归预测的房价
plt.plot(lasso_y_pre,label = 'Lasso')
#套索回归预测的房价
plt.legend()
plt.show()
line_score=r2_score(y_true,line_y_pre)
ridge_score=r2_score(y_true,ridge_y_pre)
lasso_score=r2_score(y_true,lasso_y_pre)
print( line_score,ridge_score,lasso_score)