Python 机器学习详细示例

机器学习是人工智能的一个重要分支，Python 作为一种广泛使用的编程语言，在机器学习领域有着丰富的库和框架。以下是一些 Python 机器学习的详细示例。

示例 1：使用 Scikit-learn 进行分类

Scikit-learn 是一个强大的机器学习库，提供了多种机器学习算法的实现。

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

# 加载数据
iris = load_iris()
X = iris.data
y = 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=0.3, random_state=42)

# 创建分类器
clf = RandomForestClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 评估
print("Accuracy:", clf.score(X_test, y_test))

示例 2：使用 TensorFlow 进行深度学习

TensorFlow 是一个开源的深度学习框架，可以用于构建和训练复杂的神经网络。

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 创建模型
model = Sequential([
    Dense(64, activation='relu', input_shape=(2,)),
    Dense(64, activation='relu'),
    Dense(1, activation='sigmoid')
])

# 编译模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32)

# 评估模型
model.evaluate(X_test, y_test)

扩展阅读

更多关于 Python 机器学习的示例和教程，请访问 Python 机器学习教程。

机器学习