项目目标

使用经典的鸢尾花数据集（Iris Dataset），通过支持向量机（SVM）算法训练一个分类模型，能够根据花瓣和萼片的测量数据预测鸢尾花的种类。

环境准备

Python

# 需要安装的库（在终端运行）
pip install numpy pandas matplotlib scikit-learn

完整代码实现

# 1. 导入必要的库
import numpy as np
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score
import joblib  # 用于模型保存

# 2. 加载数据集
iris = datasets.load_iris()
X = iris.data  # 特征数据（萼片长宽，花瓣长宽）
y = iris.target  # 目标值（0: Setosa, 1: Versicolour, 2: Virginica）

# 3. 数据预处理
# 标准化特征值（使数据均值为0，方差为1）
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 4. 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    X_scaled, y, test_size=0.3, random_state=42)

# 5. 创建并训练模型
model = SVC(kernel='linear', C=1.0)  # 使用线性核的SVM
model.fit(X_train, y_train)

# 6. 预测测试集
y_pred = model.predict(X_test)

# 7. 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy:.2%}")

# 8. 保存模型和标准化器（可选）
joblib.dump(model, 'iris_classifier.pkl')
joblib.dump(scaler, 'iris_scaler.pkl')

分步骤解析

1. 数据准备

• 使用Scikit-learn内置的鸢尾花数据集
• 包含150个样本，4个特征（单位：厘米）：
  • 萼片长度
  • 萼片宽度
  • 花瓣长度
  • 花瓣宽度
• 目标类别（3种鸢尾花）：
  • 0: Setosa
  • 1: Versicolour
  • 2: Virginica

2. 数据预处理

• 标准化：将特征数据缩放到均值为0，方差为1的分布，消除不同量纲的影响
• 数据集划分：70%训练集，30%测试集

3. 模型选择与训练

• 使用支持向量机（SVM）分类器
• 选择线性核函数（适合线性可分数据）
• 正则化参数C=1.0（平衡间隔大小和分类正确率）

4. 模型评估

• 使用准确率（Accuracy）作为评估指标
• 典型结果应达到95%以上的准确率

5. 模型部署（可选）

• 使用joblib保存训练好的模型和标准化器
• 后续可以通过加载模型进行新数据预测

扩展应用示例

加载保存的模型进行预测：

# 加载模型和标准化器
loaded_model = joblib.load('iris_classifier.pkl')
loaded_scaler = joblib.load('iris_scaler.pkl')

# 新数据示例（需要是二维数组）
new_data = [[5.1, 3.5, 1.4, 0.2]]  # 萼片长宽，花瓣长宽

# 预处理新数据
new_data_scaled = loaded_scaler.transform(new_data)

# 进行预测
prediction = loaded_model.predict(new_data_scaled)
print(f"预测类别: {iris.target_names[prediction]}")

项目扩展方向

1. 尝试其他分类算法（如KNN、决策树、随机森林等）
2. 添加数据可视化（使用Matplotlib展示特征分布）
3. 实现超参数调优（使用GridSearchCV）
4. 添加交叉验证功能
5. 部署为简单的Web应用（使用Flask框架）

这个项目涵盖了机器学习的基本流程：数据加载 → 预处理 → 模型训练 → 评估 → 部署，非常适合机器学习入门实践。可以通过更换数据集（如手写数字识别、房价预测等）应用于其他分类/回归任务。

关注博主，有些文章只有粉丝可见！