#!/usr/bin/env python # coding: utf-8 # ### 导入随面森林的相关库文件. from sklearn.ensemble import RandomForestClassifier # 导入随机森林的包 # from sklearn.model_selection import train_test_split # 这个用于后台数据的分割 from sklearn.preprocessing import StandardScaler # 数据的标准化 import numpy as np #导入iris数据 # * Sepal.Length（花萼长度），单位是cm; # * Sepal.Width（花萼宽度），单位是cm; # * Petal.Length（花瓣长度），单位是cm; # * Petal.Width（花瓣宽度），单位是cm; # * 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾） 共三种 from sklearn import datasets # 导入iris自带数据库文件 iris_data = datasets.load_iris() iris_feature = iris_data.data[:151:2] iris_target = iris_data.target[:151:2] # 数据标准化 scaler = StandardScaler() # 标准化转换 # Compute the mean and std to be used for later scaling. scaler.fit(iris_feature) # 训练标准化对象 print(type(iris_target)) iris_feature = scaler.transform(iris_feature) # 转换数据集 # feature_train, feature_test, target_train, target_test = train_test_split(traffic_feature, traffic_target,test_size=0.3, random_state=0) # 数据训练 clf = RandomForestClassifier() clf.fit(iris_feature, iris_target) # predict_results = clf.predict(feature_test) # 数据为 0 号花 test_feature = np.array([5.5,3.5,1.3,0.2]).reshape(1,-1) # 变为一个矩阵，是1行，n列，n值由最后的值来确定，所以这里采用-1 print (test_feature) # scaler.fit(test_feature) # 训练标准化对象 target_feature = scaler.transform(test_feature) # 转换数据集 print (clf.predict(target_feature)) 文章来源: https://blog.csdn.net/qwq1503/article/details/91535494