sklearn4_混合分类器

# -*- coding: utf-8 -*-
"""
Created on Sat Jan  6 18:02:19 2018

@author: daxiong
"""

#导入sklearn测试数据库
from sklearn import datasets
#用于训练数据和测试数据分类
from sklearn.cross_validation import train_test_split
#导入逻辑回归分类器
from sklearn.linear_model import LogisticRegression
#导入knn分类器
from sklearn.neighbors import KNeighborsClassifier
#导入支持向量分类器
from sklearn.svm import SVC

#加载 iris 的数据，把属性存在 X，类别标签存在 y
iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target

#把数据集分为训练集和测试集，其中 test_size=0.3，即测试集占总数据的 30%
X_train, X_test, y_train, y_test = train_test_split(
    iris_X, iris_y, test_size=0.3)

#建立逻辑回归分类器
model_logistic=LogisticRegression()
# 把数据交给模型训练
model_logistic.fit(X_train, y_train)

#建立knn分类器
model_knn = KNeighborsClassifier()
#训练
model_knn.fit(X_train, y_train)

#建立支持向量分类器
modle_svc = SVC()
# 把数据交给模型训练
modle_svc.fit(X_train, y_train)


#模型评分
print('Score: %.2f' % model_logistic.score(X_test, y_test))

print('Score: %.2f' % model_knn.score(X_test, y_test))
print('Score: %.2f' % modle_svc.score(X_test, y_test))