我将什么传递给 predict() 方法

Question

目前正在使用 iris 数据集进行分类练习，我已经到了不能完全确定发生了什么的地步。我想我正在将一朵新花的假设尺寸传递给模型，它正在输出模型认为花是什么的预测，但我不确定。

我发布了所有代码，但我关心的部分在这里：

species_id = clfr.predict([[1, 5, 4, 6]])
iris.target_names[species_id]
print(iris.target_names[species_id])

这是我所有的代码：

# Importing required libraries
import numpy as np
import pandas as pd
import sklearn
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
from sklearn.datasets import load_iris
import sklearn.metrics as metrics


# Loading datasets
iris = load_iris()

# Convert to pandas dataframe
iris_data = pd.DataFrame({
    'sepal length':iris.data[:,0],
    'sepal width':iris.data[:,1],
    'petal length':iris.data[:,2],
    'petal width':iris.data[:,3],
    'species':iris.target
})
iris_data.head()

# printing categories (setosa, versicolor, virginica)
print(iris.target_names)
# print flower features
print(iris.feature_names)

# setting independent (X) and dependent (Y) variables
X = iris_data[['sepal length', 'sepal width', 'petal length', 'petal width']]  # Features
Y = iris_data['species']  # Labels


# printing feature data
print(X[0:5])
# printing dependent variable values (0 = setosa, 1 = versicolor, 3 = virginica)
print(Y)

# splitting into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size = 0.3, random_state = 100)

# defining random forest classifier
clfr = RandomForestClassifier(random_state = 100)
clfr.fit(X_train, y_train)

# making prediction
Y_pred = clfr.predict(X_test)

# checking model accuracy
print("Accuracy:", metrics.accuracy_score(y_test, Y_pred))
cm = np.array(confusion_matrix(y_test, Y_pred))
print(cm)

# making predictions on new data
species_id = clfr.predict([[1, 5, 4, 6]])
iris.target_names[species_id]
print(iris.target_names[species_id])

Answer 1

您的想法是正确的，predict() 方法的输入是新 'unknown' 花的特征，您的模型预测其物种。

您根据这些特征训练您的模型：

['sepal length', 'sepal width', 'petal length', 'petal width']

并且您的输入反映了这一点，其中 [1, 5, 4, 6] 是新花的每个特征的值。

所以，

'sepal length' = 1
'sepal width' = 5
'petal length' = 4
'petal width' = 6

您的输入是二维的（即列表中的列表：[[1, 5, 4, 6]]）的原因是您可以传递多个新花以同时获得多个预测：如果您通过 [[1,5,4,6],[2,3,1,3]]，您将获得 2 种花的预测（每朵新花 1 种）。

我将什么传递给 predict() 方法

what am I passing into predict() method

python

classification

scikit-learn