摘要：本课题中，采用机器学习完成鸢尾花类型分类任务。机器学习是让计算机通过算法寻找数据间的规律，达到学习已知数据、预测未知数据的目标。

机器学习鸢尾花类型分类问题，属于分类学习中的监督学习，本课题中的鸢尾花数据库由150组数据组成，每组数据包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度四个输入变量和划分为三种不同类型的输出变量。通过这些数据建立学习模型，达到对未知的鸢尾花的类型进行准确分类的效果。

在本课题中，通过Anaconda3软件，使用Python设计了代码，将已知数据中的70%用于建立模型，30%用于对模型预测准确性的检验，最终获得了预测正确率96.5%的学习模型。

关键字:  机器学习  预测  Python  鸢尾花类型

目录

摘要

Abstract

1 绪论-6

1.1 课题研究的背景-6

1.2 Python语言简介-7

2 课题的方法选择-8

2.1 设计中的影响因素-8

2.2算法的选择-8

2.3 决策树算法原理-9

2.4 数据的来源-10

2.5软件选择-10

3 课题的代码设计-12

3.1预先准备-12

3.2 确定变量-19

3.3 将数据集分成训练集和验证集-21

3.4 特征缩放-22

3.5 创建学习模型-22

3.6模型预测-22

3.7用混淆矩阵评价学习结果-22

3.8绘制分类效果图-23

4 系统调试结果及分析-24

4.1软件调试-24

4.2最后调试结果-24

4.3 系统调试出现的问题-27

5 总结-28

5.1 课题总结-28

5.2系统中存在的不足和可改进之处-28

参　考　文　献-29

附录1-30

致谢-32