Sklearn 机器学习 IRIS数据 理解分类报告
💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖
本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】
Sklearn 机器学习 IRIS 数据分类报告解读
鸢尾花（Iris）数据集是机器学习入门中最经典的分类问题。很多初学者完成建模之后，看到
classification_report报表中的 precision、recall、f1-score 却一头雾水。
本文带你深入理解这份报告背后的意义和使用方式，并通过可视化与样例代码，帮助你真正掌握模型评估的核心指标。
🌸 一、IRIS 数据集简介
鸢尾花数据集包含 150 条样本，特征如下：
- sepal length（花萼长度）
- sepal width（花萼宽度）
- petal length（花瓣长度）
- petal width（花瓣宽度）
目标变量是分类标签，共 3 种鸢尾花：
- setosa
- versicolor
- virginica
from sklearn.datasets import load_irisiris = load_iris()print(iris.feature_names)print(iris.target_names
