集成k-最近邻（k-NN）、朴素贝叶斯、Logistic回归、支持向量机（SVM）、决策树、随机森林、多层感知机的一个机器学习

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# USAGE
# python classify_iris.py
# python classify_iris.py --model svm

# import the necessary packages

# scikit-learn的Python机器学习方法
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier

# 将数据分成训练和测试子集的数据集拆分方法
from sklearn.model_selection import train_test_split
# 来自scikit-learn的分类报告实用程序将打印我们机器学习结果的摘要
from sklearn.metrics import classification_report
# Iris数据集，内置于scikit-learn
from sklearn.datasets import load_iris
# 用于命令行参数解析的工具
import argparse

# 解析命令行参数，选择机器学习算法模型
ap = argparse.ArgumentParser（）
ap.add_argument（“-m“ “--model“ type=str default=“knn“
	help=“type of python machine learning model to use“）
args = vars（ap.parse_args（））