irisデータセットを用い、scikit-learnのパーセプトロンでトレーニングする 特徴量は萼片の長さと花弁の長さ トレーニングデータの生成 from sklearn import datasets import numpy as np from sklearn.cross_validation import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import Perceptron from sklearn.metrics import accuracy_score # Irisデータセットをロード iris = datasets.load_iris() # 3,4列目の特徴量を抽出 X = iris.data[:, [2, 3]] # クラ
![scikit-learnを使用したパーセプトロン – Python機械学習第三章学習メモ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/2dd27412f6e755cac7496ad8c1f37d0ae786dca2/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwaGlkZS10b25vJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz04NDViNjIyY2I1NWQxZTFmMmE3YzI3ZTBkNmIzYWNjZg%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D8a2ea394cb7ccc93db445759cba10eff)