用python实现简单的机器学习
接下来我用Python来训练一个能识别各种花的AI示例，整个过程就像教小朋友认水果一样直观，最后让你理解什么是机器学习。
准备工作：安装必要的工具
安装以下Python库：
pip install numpy pandas matplotlib scikit-learn
完整代码示例
# 导入需要的工具包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, classification_report
# 设置中文字体和图表样式
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
print("🚀 开始我们的AI机器学习之旅（bbdaxia.com）！")
# 第一步：准备"学习资料" - 加载数据
# 加载花数据集（数据自己网上找哦，我不提供）
iris = datasets.load_iris()
# 看看我们有什么数据
print("📊 数据集包含的信息：")
print(f"- 特征名: {iris.feature_names}") # 花的测量数据
print(f"- 目标名: {iris.target_names}") # 花的种类
print(f"- 数据形状: {iris.data.shape}") # 150个样本，每个样本4个特征
# 把数据转换成更易读的DataFrame格式
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['species'] = iris.target # 添加种类列
print("\n🔍 前5行数据预览：")
print(df.head())
print("\n📈 数据统计信息：")
print(df.describe())
# 第二步：数据探索 - 用眼睛先看看规律
def explore_data():
# 创建一个大图表
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
# 不同种类的颜色
colors = ['red', 'blue', 'green']
species_names = iris.target_names
# 选择要绘制的特征组合
feature_combinations = [
(0, 1), # 花萼长度 vs 花萼宽度
(0, 2), # 花萼长度 vs 花瓣长度
(0, 3), # 花萼长度 vs 花瓣宽度
(2, 3) # 花瓣长度 vs 花瓣宽度
]
# 绘制四个特征组合的散点图
for idx, (i, j) in enumerate(feature_combinations):
row = idx // 2
col = idx % 2
for species in range(3):
mask = (iris.target == species)
axes[row, col].scatter(
iris.data[mask, i],
iris.data[mask, j],
c=colors[species],
label=species_names[species],
alpha=0.7
)
axes[row, col].set_xlabel(iris.feature_names[i])
axes[row, col].set_ylabel(iris.feature_names[j])
axes[row, col].legend()
axes[row, col].set_title(f'{iris.feature_names[i]} vs {iris.feature_names[j]}')
plt.tight_layout()
plt.show()
# 运行数据探索
print("👀 正在绘制数据分布图...")
explore_data()
print("从图表中我们可以看到，不同种类的花在测量数据上确实有区别！")
# 第三步：准备训练和测试 - 分堆学习
# 分离特征（X）和目标（y）
X = iris.data # 所有测量数据
y = iris.target # 对应的种类标签
# 把数据分成训练集和测试集（80%训练，20%测试）
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42, stratify=y
)
print("📚 数据分割完成：")
print(f"- 训练集样本数: {X_train.shape[0]}")
print(f"- 测试集样本数: {X_test.shape[0]}")
print(f"- 特征数量: {X_train.shape[1]}")
print("\n🎯 训练集中各类别分布：")
unique, counts = np.unique(y_train, return_counts=True)
for species, count in zip(unique, counts):
print(f" {iris.target_names[species]}: {count}个样本")
# 第四步：创建和训练AI模型
# 创建逻辑回归分类器（这是一个很常用的分类算法）
model = LogisticRegression(random_state=42, max_iter=200)
print("🏋️ 开始训练模型...")
# 训练模型！
model.fit(X_train, y_train)
print("✅ 模型训练完成！")
# 第五步：测试模型性能 - 看看学得怎么样
# 用测试集进行预测
y_pred = model.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("\n🎯 模型测试结果：")
print(f"- 准确率: {accuracy:.2f} ({accuracy*100:.1f}%)")
print(f"- 测试样本数: {len(y_test)}")
print(f"- 预测正确的数量: {np.sum(y_pred == y_test)}")
print("\n📊 详细分类报告：")
print(classification_report(y_test, y_pred, target_names=iris.target_names))
# 创建一个对比表格显示预测结果
results_df = pd.DataFrame({
'实际种类': [iris.target_names[i] for i in y_test],
'预测种类': [iris.target_names[i] for i in y_pred],
'是否正确': ['✅' if pred == true else '❌' for pred, true in zip(y_pred, y_test)]
})
print("\n🔍 预测结果详情：")
print(results_df)
# 第六步：可视化预测结果
def visualize_predictions():
plt.figure(figsize=(12, 5))
# 实际种类
plt.subplot(1, 2, 1)
scatter = plt.scatter(X_test[:, 2], X_test[:, 3], c=y_test, cmap='viridis')
plt.xlabel('花瓣长度 (cm)')
plt.ylabel('花瓣宽度 (cm)')
plt.title('实际种类')
plt.colorbar(scatter, ticks=[0, 1, 2]).set_ticklabels(iris.target_names)
# 预测种类
plt.subplot(1, 2, 2)
scatter = plt.scatter(X_test[:, 2], X_test[:, 3], c=y_pred, cmap='viridis')
plt.xlabel('花瓣长度 (cm)')
plt.ylabel('花瓣宽度 (cm)')
plt.title('预测种类')
plt.colorbar(scatter, ticks=[0, 1, 2]).set_ticklabels(iris.target_names)
# 标记错误预测
errors = y_pred != y_test
if np.any(errors):
plt.scatter(X_test[errors, 2], X_test[errors, 3],
facecolors='none', edgecolors='red', s=200, linewidth=2,
label='预测错误')
plt.legend()
plt.tight_layout()
plt.show()
# 显示预测结果可视化
print("\n📈 正在绘制预测结果对比图...")
visualize_predictions()
# 第七步：让模型真正实用起来
# 创建一个函数来预测新样本
def predict_new_flower(sepal_length, sepal_width, petal_length, petal_width):
"""
输入新花的测量数据，预测其种类
"""
# 创建输入数组
new_sample = np.array([[sepal_length, sepal_width, petal_length, petal_width]])
# 进行预测
prediction = model.predict(new_sample)
probability = model.predict_proba(new_sample)
species = iris.target_names[prediction[0]]
confidence = probability[0][prediction[0]] * 100
print(f"\n🌺 预测结果：")
print(f"- 种类: {species}")
print(f"- 置信度: {confidence:.1f}%")
print(f"\n所有可能性的概率：")
for i, prob in enumerate(probability[0]):
print(f" {iris.target_names[i]}: {prob*100:.1f}%")
return species, confidence
print("🔮 现在让我们试试预测新数据！")
# 测试几个例子
print("\n" + "="*50)
print("示例1：")
predict_new_flower(5.1, 3.5, 1.4, 0.2)
print("\n" + "="*50)
print("示例2：")
predict_new_flower(6.7, 3.0, 5.2, 2.3)
print("\n" + "="*50)
print("示例3：")
predict_new_flower(5.9, 2.8, 4.3, 1.3)
# 项目总结
def project_summary():
print("\n" + "🌟" * 50)
print(" 项目总结")
print("🌟" * 50)
print("\n📋 我们完成了什么：")
achievements = [
"✅ 加载和探索了花数据集",
"✅ 可视化数据并发现了模式",
"✅ 将数据分为训练集和测试集",
"✅ 训练了一个逻辑回归分类器",
"✅ 评估了模型性能（准确率）",
"✅ 创建了预测新样本的函数"
]
for achievement in achievements:
print(achievement)
print(f"\n🎯 最终模型准确率: {accuracy_score(y_test, y_pred)*100:.1f}%")
print("\n🚀 下一步可以尝试：")
next_steps = [
"• 尝试其他分类算法（如决策树、随机森林）",
"• 调整模型参数来提升性能",
"• 处理更复杂的数据集",
"• 尝试解决回归问题（预测数值）"
]
for step in next_steps:
print(step)
# 显示项目总结
project_summary()
第一步：准备"学习资料" - 加载数据
# 导入需要的工具包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, classification_report
# 设置中文字体和图表样式
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
print("🚀 开始我们的AI机器学习之旅！")
# 第一步：准备"学习资料" - 加载数据
# 加载鸢尾花数据集（机器学习界的"Hello World"）
iris = datasets.load_iris()
# 看看我们有什么数据
print("📊 数据集包含的信息：")
print(f"- 特征名: {iris.feature_names}") # 花的测量数据
print(f"- 目标名: {iris.target_names}") # 花的种类
print(f"- 数据形状: {iris.data.shape}") # 150个样本，每个样本4个特征
# 把数据转换成更易读的DataFrame格式
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['species'] = iris.target # 添加种类列
print("\n🔍 前5行数据预览：")
print(df.head())
print("\n📈 数据统计信息：")
print(df.describe())
准备150张花的照片，每张照片都记录了花的4个测量数据（花萼长度、花萼宽度、花瓣长度、花瓣宽度），并且标注了花的种类。
第二步：数据探索 - 用眼睛先看看规律
# 第二步：数据探索 - 用眼睛先看看规律
def explore_data():
# 创建一个大图表
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
# 不同种类的颜色
colors = ['red', 'blue', 'green']
species_names = iris.target_names
# 选择要绘制的特征组合
feature_combinations = [
(0, 1), # 花萼长度 vs 花萼宽度
(0, 2), # 花萼长度 vs 花瓣长度
(0, 3), # 花萼长度 vs 花瓣宽度
(2, 3) # 花瓣长度 vs 花瓣宽度
]
# 绘制四个特征组合的散点图
for idx, (i, j) in enumerate(feature_combinations):
row = idx // 2
col = idx % 2
for species in range(3):
mask = (iris.target == species)
axes[row, col].scatter(
iris.data[mask, i],
iris.data[mask, j],
c=colors[species],
label=species_names[species],
alpha=0.7
)
axes[row, col].set_xlabel(iris.feature_names[i])
axes[row, col].set_ylabel(iris.feature_names[j])
axes[row, col].legend()
axes[row, col].set_title(f'{iris.feature_names[i]} vs {iris.feature_names[j]}')
plt.tight_layout()
plt.show()
# 运行数据探索
print("👀 正在绘制数据分布图...")
explore_data()
print("从图表中我们可以看到，不同种类的花在测量数据上确实有区别！")
就像看照片时会发现"苹果大多是红色的，橙子是橙色的"一样，从图表中我们能看出不同种类的花在尺寸上确实有规律可循。
第三步：准备训练和测试 - 分堆学习
# 第三步：准备训练和测试 - 分堆学习
# 分离特征（X）和目标（y）
X = iris.data # 所有测量数据
y = iris.target # 对应的种类标签
# 把数据分成训练集和测试集（80%训练，20%测试）
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42, stratify=y
)
print("📚 数据分割完成：")
print(f"- 训练集样本数: {X_train.shape[0]}")
print(f"- 测试集样本数: {X_test.shape[0]}")
print(f"- 特征数量: {X_train.shape[1]}")
print("\n🎯 训练集中各类别分布：")
unique, counts = np.unique(y_train, return_counts=True)
for species, count in zip(unique, counts):
print(f" {iris.target_names[species]}: {count}个样本")
我们把150张花的照片分成两堆：120张用来"教"AI（训练集），30张留着考考它学得怎么样（测试集）。这样就能检验AI是不是真的学会了，而不是死记硬背。
第四步：创建和训练AI模型
# 第四步：创建和训练AI模型
# 创建逻辑回归分类器（这是一个很常用的分类算法）
model = LogisticRegression(random_state=42, max_iter=200)
print("🏋️ 开始训练模型...")
# 训练模型！
model.fit(X_train, y_train)
print("✅ 模型训练完成！")
现在AI"学生"开始学习了！它通过分析120张训练照片，找出花的大小和种类之间的关系，建立自己的"判断规则"。
第五步：测试模型性能 - 看看学得怎么样
# 第五步：测试模型性能 - 看看学得怎么样
# 用测试集进行预测
y_pred = model.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("\n🎯 模型测试结果：")
print(f"- 准确率: {accuracy:.2f} ({accuracy*100:.1f}%)")
print(f"- 测试样本数: {len(y_test)}")
print(f"- 预测正确的数量: {np.sum(y_pred == y_test)}")
print("\n📊 详细分类报告：")
print(classification_report(y_test, y_pred, target_names=iris.target_names))
# 创建一个对比表格显示预测结果
results_df = pd.DataFrame({
'实际种类': [iris.target_names[i] for i in y_test],
'预测种类': [iris.target_names[i] for i in y_pred],
'是否正确': ['✅' if pred == true else '❌' for pred, true in zip(y_pred, y_test)]
})
print("\n🔍 预测结果详情：")
print(results_df)
现在用那30张没学过的照片考考AI，看看它能认对多少。准确率95%就意味着30张照片中它认对了28-29张！
第六步：可视化预测结果
# 第六步：可视化预测结果
def visualize_predictions():
plt.figure(figsize=(12, 5))
# 实际种类
plt.subplot(1, 2, 1)
scatter = plt.scatter(X_test[:, 2], X_test[:, 3], c=y_test, cmap='viridis')
plt.xlabel('花瓣长度 (cm)')
plt.ylabel('花瓣宽度 (cm)')
plt.title('实际种类')
plt.colorbar(scatter, ticks=[0, 1, 2]).set_ticklabels(iris.target_names)
# 预测种类
plt.subplot(1, 2, 2)
scatter = plt.scatter(X_test[:, 2], X_test[:, 3], c=y_pred, cmap='viridis')
plt.xlabel('花瓣长度 (cm)')
plt.ylabel('花瓣宽度 (cm)')
plt.title('预测种类')
plt.colorbar(scatter, ticks=[0, 1, 2]).set_ticklabels(iris.target_names)
# 标记错误预测
errors = y_pred != y_test
if np.any(errors):
plt.scatter(X_test[errors, 2], X_test[errors, 3],
facecolors='none', edgecolors='red', s=200, linewidth=2,
label='预测错误')
plt.legend()
plt.tight_layout()
plt.show()
# 显示预测结果可视化
print("\n📈 正在绘制预测结果对比图...")
visualize_predictions()
第七步：让模型真正实用起来
# 第七步：让模型真正实用起来
# 创建一个函数来预测新样本
def predict_new_flower(sepal_length, sepal_width, petal_length, petal_width):
"""
输入新花的测量数据，预测其种类
"""
# 创建输入数组
new_sample = np.array([[sepal_length, sepal_width, petal_length, petal_width]])
# 进行预测
prediction = model.predict(new_sample)
probability = model.predict_proba(new_sample)
species = iris.target_names[prediction[0]]
confidence = probability[0][prediction[0]] * 100
print(f"\n🌺 预测结果：")
print(f"- 种类: {species}")
print(f"- 置信度: {confidence:.1f}%")
print(f"\n所有可能性的概率：")
for i, prob in enumerate(probability[0]):
print(f" {iris.target_names[i]}: {prob*100:.1f}%")
return species, confidence
print("🔮 现在让我们试试预测新数据！")
# 测试几个例子
print("\n" + "="*50)
print("示例1：")
predict_new_flower(5.1, 3.5, 1.4, 0.2)
print("\n" + "="*50)
print("示例2：")
predict_new_flower(6.7, 3.0, 5.2, 2.3)
print("\n" + "="*50)
print("示例3：")
predict_new_flower(5.9, 2.8, 4.3, 1.3)
完整项目总结
# 项目总结
def project_summary():
print("\n" + "🌟" * 50)
print(" 项目总结")
print("🌟" * 50)
print("\n📋 我们完成了什么：")
achievements = [
"✅ 加载和探索了鸢尾花数据集",
"✅ 可视化数据并发现了模式",
"✅ 将数据分为训练集和测试集",
"✅ 训练了一个逻辑回归分类器",
"✅ 评估了模型性能（准确率）",
"✅ 创建了预测新样本的函数"
]
for achievement in achievements:
print(achievement)
print(f"\n🎯 最终模型准确率: {accuracy_score(y_test, y_pred)*100:.1f}%")
print("\n🚀 下一步可以尝试：")
next_steps = [
"• 尝试其他分类算法（如决策树、随机森林）",
"• 调整模型参数来提升性能",
"• 处理更复杂的数据集",
"• 尝试解决回归问题（预测数值）"
]
for step in next_steps:
print(step)
# 显示项目总结
project_summary()
关键概念
- 特征（Features）：就是描述事物的各种属性，比如花的长度、宽度
- 标签（Labels）：就是我们想要预测的结果，比如花的种类
- 训练（Training）：教AI学习的过程
- 预测（Prediction）：让AI对没见过的东西进行判断
- 准确率（Accuracy）：AI猜对的概率
总结
通过这个简单的例子，你应该能感受到机器学习的基本流程：准备数据 → 训练模型 → 测试性能 → 实际应用。这就像教小朋友认东西一样自然！
这个AI示例虽然简单，但使用的思路和方法与那些复杂的AI系统是一样的。希望这个例子能够让你理解AI机器学习过程。
浙公网安备 33010602011771号