4.比较多种算法的鸢尾花分类准确率

此篇主要对比下不同算法（KNN、Logistic Regression、SVM）的分类结果。

1.代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC

data_file = './data/Iris.csv'

SPECIES_LABEL_DICT = {
    'Iris-setosa':      0,  # 山鸢尾
    'Iris-versicolor':  1,  # 变色鸢尾
    'Iris-virginica':   2   # 维吉尼亚鸢尾
}

# 使用的特征列
FEAT_COLS = ['SepalLengthCm', 'SepalWidthCm', 'PetalLengthCm', 'PetalWidthCm']

def main():
	"""
		主函数
	"""
	# 读取数据
	iris_data = pd.read_csv(data_file)
	iris_data['Label'] = iris_data['Species'].map(SPECIES_LABEL_DICT)

	# 获取数据集特征
	X = iris_data[FEAT_COLS].values
	# 获取数据集标签
	y = iris_data['Label'].values

	# 分割数据集
	X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=1/3,random_state=10)

	# 模型字典
	model_dict = {'KNN':KNeighborsClassifier(n_neighbors=5), # KNN
				  'Logistic Regression':LogisticRegression(C=100), # 逻辑回归
				  'SVM':SVC(C=100)} # 支持向量机

	for model_name,model in model_dict.items():
		# 训练模型
		model.fit(X_train,y_train)
		# 验证模型
		accuracy = model.score(X_test,y_test)
		print('{}模型的预测准确率为{:.2f}%'.format(model_name,accuracy*100))

if __name__ == '__main__':
    main()

2.输出结果：

KNN模型的预测准确率为96.00%
Logistic Regression模型的预测准确率为96.00%
SVM模型的预测准确率为98.00%