鸢尾花-k近邻预测算法

目录

• 环境
• 介绍
• 散点图源码
• 数据集数据结构
• 散点图
• k近邻算法
  • k近邻源码
  • 输出结果
  • 结论
• 注意

环境

编程语言: python3.10

运行平台: windows10

依赖库安装: matplotlib pandas numpy scikit-learn

介绍

根据花瓣的长度和宽度以及花萼的长度和宽度,得出花的品种属于setosa、versicolor 或virginica 三个品种之一。

散点图源码

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import pandas as pd
import matplotlib.pyplot as plt
# 获取鸢尾花数据集
iris_dataset = load_iris()
# 打乱数据集,获取训练集与预测集,可以添加test_size train_size参数指定测试集大小,默认25%
X_train, X_test, y_train, y_test = train_test_split(
    iris_dataset['data'], iris_dataset['target'], random_state=0)
# 利用X_train中的数据创建DataFrame
# 利用iris_dataset.feature_names中的字符串对数据列进行标记
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)
# 利用DataFrame创建散点图矩阵，按y_train着色
grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(24, 24), alpha=.8)
# 创建窗口
plt.figure(figsize=(24, 24))
# 展示窗口
plt.show()

数据集数据结构

{
	'data': array([[5.1, 3.5, 1.4, 0.2],
       		......
       		[5.9, 3. , 5.1, 1.8]]), 
    'target': array([0, 0, ... 2, 2]), 
    'frame': None, 
    'target_names': array(['setosa', 'versicolor', 'virginica'], dtype='<U10'), 	'DESCR': '... more ...', 
    'feature_names': ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'], 
    'filename': 'iris.csv', 
    'data_module': 'sklearn.datasets.data'
}

结构说明:

• data: 花瓣特征数据集
• target: 每个花瓣数据对应品种结果,保存的是target_names数组的下标
• target_names: 结果集,鸢尾花的三个品种
• DESCR: 数据集的简要说明
• feature_names: 每一个特征的简要说明
• filename: 数据集的文件名称
• data_module: 数据对应的module

散点图

k近邻算法

k近邻算法在训练集中寻找与这个新数据点距离最近的数据点，然后将找到的数据点的标签赋值给这个新数据点。k 近邻算法中k 的含义是，我们可以考虑训练集中与新数据点最近的任意k 个邻居，然后用这些邻居中数量最多的类别做出预测。

k近邻源码

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
iris_dataset = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
    iris_dataset['data'], iris_dataset['target'], random_state=0)
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)
grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(24, 24), alpha=.8)
# 设置k近邻算法的k值
knn = KNeighborsClassifier(n_neighbors=5)
# 设置k近邻算法的训练数据集与训练结果集
knn.fit(X_train, y_train)
# 创建一个新的测试数据
X_new = np.array([[5, 2.9, 1, 0.2]])
# 根据测试数据预测结果
prediction = knn.predict(X_new)
# 输出预测结果
print("Prediction: {}".format(prediction))
print("Predicted target name: {}".format(iris_dataset['target_names'][prediction]))
# 根据测试数据集预测结果
y_pred = knn.predict(X_test)
# 输出预测结果与 预测准确性
print("Test set predictions:\n {}".format(y_pred))
print("Test set score: {:.2f}".format(np.mean(y_pred == y_test)))

输出结果

Prediction: [0]
Predicted target name: ['setosa']
Test set predictions:
 [2 1 0 2 0 2 0 1 1 1 2 1 1 1 1 0 1 1 0 0 2 1 0 0 2 0 0 1 1 0 2 1 0 2 2 1 0
 2]
Test set score: 0.97

结论

根据测试数据集的预测结果与测试数据集的正确结果比较,得到预测的准确性可以达到97%.

注意

​ 安装sklearn的时候,可能会需要安装VC.