Python 机器学习案例

以下是一些使用 Python 进行机器学习的案例，通过这些案例，你可以更好地理解机器学习的应用。

案例一：鸢尾花分类

鸢尾花分类是一个经典的机器学习入门案例。这个案例中，我们使用鸢尾花数据集来训练一个分类器，识别不同种类的鸢尾花。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

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

# 训练模型
model = RandomForestClassifier()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

查看鸢尾花数据集详细信息

案例二：MNIST 手写数字识别

MNIST 数据集包含 0 到 9 的手写数字图片，常用于图像识别的入门案例。在这个案例中，我们将使用卷积神经网络（CNN）来识别手写数字。

from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier

# 加载数据集
mnist = fetch_openml('mnist_784')
X, y = mnist["data"], mnist["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)

# 训练模型
model = MLPClassifier()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

查看 MNIST 数据集详细信息

总结

以上是两个简单的 Python 机器学习案例，通过这些案例，你可以了解机器学习的基本概念和应用。如果你对机器学习有更深入的兴趣，可以访问我们的机器学习教程。

机器学习