<实战训练01>KNN-预测鸢尾花的种类

一、KNN算法简介

K Nearest Neighbor算法又叫KNN算法。如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

简单来说，就是确定好k值后，在一个样本点周围的k个数据分别属于什么类别，那么该样本点就属于大多数数据所属的类别

二、机器学习算法实现流程

我们将使用机器学习的一般流程来实现这个案例，机器学习解决实际问题的一般流程如下：

1. 获取数据集

2. 数据基本处理

3. 特征工程

4. 训练模型

5. 模型评估

三、scikit-learn

scikit-learn是python编写的机器学习库，它可以简单而有效的进行数据预测和分析，底层使用了NumPy、SciPy和matplotlib，是个开源免费的项目。

使用流程

四、预测鸢尾花种类

鸢尾花数据集

代码实现[加注释]

1. 导入相关模块

# sklearn.datasets可以导入数据集
import sklearn.datasets as skdata
# 对数据进行可视化
import matplotlib.pyplot as plt
# 基于matplotlib的更加强大的可视化库
import seaborn as sns
# 用于数据处理-如数据格式化
import pandas as pd
# 做参数选择
import sklearn.model_selection as skmodel
# knn算法包
import sklearn.neighbors as skneighbors
# 对数据集进行分割
import sklearn.preprocessing as skprep

2. 加载iris数据集

iris_data=skdata.load_iris()

# iris_data的类型sklearn.utils.Bunch
type(iris_data)
# iris_data属性['DESCR', 'data', 'feature_names', 'target', 'target_names']
dir(iris_data)

# print(iris_data)
# iris_data.feature_names
# iris_data.target

3.可视化iris数据

seaborn是基于matplotlib核心库进行的了更高级的api封装，配色舒服，图形元素样式细腻

# 3.1 将数据集转化为pandas.DataFrame类型
# param1：data数据 param2：columns=字段名
iris_df=pd.DataFrame(iris_data['data'],columns=['sepal length (cm)',
 'sepal width (cm)',
 'petal length (cm)',
 'petal width (cm)'])
iris_df['Species']=iris_data.target
# print(iris_df)                    

# 3.2 绘制散点图，初步探索数据间关系，对数据的基本分析
# sns.relplot用来绘制散点图，随便选取两个特征
sns.relplot(x='petal length (cm)',y='sepal length (cm)',data=iris_df,hue='Species')

4. 数据集的划分

# 划分训练集和测试集
# 训练集特征值、测试集特征值、训练集目标值、测试集目标值
x_train, x_test, y_train, y_test = skmodel.train_test_split(iris_data.data, iris_data.target, test_size=0.2)

5. 使用KNN算法做预测

# 实现机器学习算法，构造模型，取k个近邻点->9
knn_model=skneighbors.KNeighborsClassifier(n_neighbors=9)
# 训练数据
knn_model.fit(x_train,y_train)
# 预测数据
y_predict=knn_model.predict(x_test)
y_predict==y_test

6. 计算准确率

score=knn_model.score(x_test,y_test)
score