# Python机器学习简单应用

**Repository Path**: SEMHAQ/python-machine-learning

## Basic Information

- **Project Name**: Python机器学习简单应用
- **Description**: 利用 sklearn 机器学习库进行分类与预测。该仓库提出了两种预测算法和两种分类算法，预测算法方面，利用了 线性回归及支持向量机（SVM）；分类算法方面，利用了 K-Means聚类算法及朴素贝叶斯分类算法 。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: https://gitee.com/SEMHAQ/python-machine-learning
- **GVP Project**: No

## Statistics

- **Stars**: 10
- **Forks**: 0
- **Created**: 2022-10-06
- **Last Updated**: 2023-11-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Python机器学习简单应用

#### 介绍
利用 **sklearn** 机器学习库进行分类与预测。该仓库提出了两种预测算法和两种分类算法，预测算法方面，利用了 **线性回归及支持向量机（SVM）**；分类算法方面，利用了 **K-Means聚类算法及朴素贝叶斯分类算法** 。

#### 项目架构
需要用到的module有： **sklearn、pandas、numpy、matplotlib、seaborn** 。  

#### 使用说明
sklearn中文社区：https://scikit-learn.org.cn/  
波士顿房价：http://lib.stat.cmu.edu/datasets/boston  
所使用的到的数据集： **1、波士顿房价数据集（预测）；2、鸢尾花数据集（分类）。** 

#### 波士顿房价数据集介绍  
| 指标  | 解释  |
|---|---|
| CRIM  |  城镇人均犯罪率 |
| ZN  |  住宅用地超过25000 sq.ft.的比例   |
| INDUS  | 城镇非零售商用土地的比例  |
|  CHAS | 边界是河流为1,否则0    |
| NOX  | 一氧化氮浓度    |
| RM  | 住宅平均房间数    |
| AGE  | 1940年之前建成的自用房屋比例    |
|  DIS | 到波士顿5个中心区域的加权距离   |
|  RAD |  辐射性公路的靠近指数 |
|  TAX | 每10000美元的全值财产税率    |
|  PTRATIO |  城镇师生比例   |
|  B |  计算方法为 1000($B_k$−0.63)$^2$ ,其中$B_k$是按城镇划分的非裔美国人的比例  |
|  LSTAT | 人口中地位低下者的比例    |
|  MEDV | 自住房的平均房价，单位:千美元   |

#### 鸢尾花数据集介绍  
iris_training.csv训练数据集，120条样本数据；iris_test.csv测试数据集，30条数据。  
| 指标  | 解释  |
|---|---|
| Sepal Length  |  花萼长度 |
| Sepal Width |  花萼宽度  |
| Petal Length | 花瓣长度  |
|  Petal Width | 花瓣宽度    |
| 0  | 山鸢尾（Setosa）    |
| 1  | 变色鸢尾（Versicolor）|
|2 | 维吉尼亚鸢尾（Virginical）    |