使用KNN算法实现水果分类器

还是水果分类原始数据，这次使用KNN算法实现水果分类器。K值选择1、3、5、7，看预测结果。

预测结果截选如下：

k=1时，预测整体准确率（accuracy）是：66.67%
预测值是：[0]；真实值是：0
预测值是：[3]；真实值是：3
预测值是：[2]；真实值是：2

……

k=3时，预测整体准确率（accuracy）是：75.00%
预测值是：[0]；真实值是：0
预测值是：[3]；真实值是：3
预测值是：[2]；真实值是：2

……

k=5时，预测整体准确率（accuracy）是：58.33%

……

k=7时，预测整体准确率（accuracy）是：66.67%

……

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

data_path = './data/fruit_data.csv'
output_dir = './output/'

label_dict = {'apple':0,
               'mandarin':1,
               'lemon':2,
               'orange':3
            }
feat_cols = ['mass','width','height','color_score']
k_values = [1,3,5,7]

if __name__ == '__main__':
    data_df = pd.read_csv(data_path)
    data_df['label'] = data_df['fruit_name'].map(label_dict)

    X = data_df[feat_cols]   # X = data_df[feat_cols].values也行，下同
    y = data_df['label']
    X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=19)

    for k in k_values:
        knn_model = KNeighborsClassifier(n_neighbors=k)
        knn_model.fit(X_train,y_train)
        accuracy = knn_model.score(X_test,y_test)
        print('k={}时，预测整体准确率（accuracy）是：{:.2f}%'.format(k,accuracy * 100))

        # 看测试集里每一个值的预测情况
        for i in range(X_test.shape[0]):
            pred_value = knn_model.predict([X_test.iloc[i].values])
            true_value = y_test.iloc[i]
            print('预测值是：{}；真实值是：{}'.format(pred_value, true_value))

        print('__' * 60)