分类：K-近邻分类之鸢尾花数据集学习（包含数据预处理中的标准化）（环境：Pycharm）

标准化：用数据的特征列减去该特征列均值进行中心化，再除以标准差进行缩放

1、模型精确度的探究

from sklearn.datasets import load_iris  #导入鸢尾花数据集
from sklearn.neighbors import KNeighborsClassifier #导入k-近邻分类模型
from sklearn.model_selection import train_test_split as tsplit
from sklearn.preprocessing import StandardScaler #标准化函数导入
X,y=load_iris(return_X_y=True) #导入的数据是数组形式
X_train,X_test,y_train,y_test=tsplit(X,y,test_size=0.1) #test_size是数据划分的比列，X为训练集，y为测试集，二者的比例为9：1
transfer=StandardScaler()  #标准化
X_train=transfer.fit_transform(X_train) 
X_test=transfer.transform(X_test)
estimator=KNeighborsClassifier() #实例化模型。n_neighbors参数默认值为5
estimator.fit(X_test,y_test) #训练模型
print(estimator.score(X_test,y_test)) #模型测试精度（介于0~1）

2、绘制鸢尾花的分类图

from sklearn.datasets import load_iris
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams["font.sans-serif"]=["SimHei"]  #设置中文字体
plt.rcParams["axes.unicode_minus"]=False
X,y=load_iris(return_X_y=True)
iris_d=pd.DataFrame(X,columns=['Sepal_Length','Sepal_Width','Petal_length','Petal_Width']) #将导入的array数组类型数据转化为DataFrame类型
iris_d['Species']=y  #加1列类别
def plot_iris(iris, col1, col2):
    sns.lmplot(x = col1, y = col2, data =iris, hue = "Species", fit_reg = False)
    plt.xlabel(col1)
    plt.ylabel(col2)
    plt.title('鸢尾花种类分布图')
    plt.show()
plot_iris(iris_d, 'Petal_Width', 'Sepal_Length')

3、附男生受欢迎程度

# 三个特征值（每月飞行公里数，吃甜点量，打游戏时间），三个目标值（1：差，2：中3：优）'''(该csv文件不在，是模型引用的展示，只要是相同形式的csv文件，都可以直接套用；不一样的形式可以利用pandas切片等函数改成相同形式。)/
import sklearn
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
import numpy as np
man = pd.read_csv("E:\\dating.csv")  #导入csv文本数据
man_1=man[['milage','Liters','Consumtime']]
man_2=man['target']
man.data=np.array(man_1)
man.target=np.array(man_2)
x_train, x_test, y_train, y_test = train_test_split(man.data, man.target, test_size=0.2, )
3、特征工程：标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
4、机器学习(模型训练)
estimator = KNeighborsClassifier(n_neighbors=9)
estimator.fit(x_train, y_train)
5、模型评估
方法1：比对真实值和预测值
y_predict = estimator.predict(x_test)
print("预测结果为:\n", y_predict)
print("比对真实值和预测值：\n", y_predict == y_test)
方法2：直接计算准确率
score = estimator.score(x_test, y_test)
print("准确率为：\n", score)`

K-近邻算法(k-近邻分类模型)总结
优点：
简单有效
重新训练的代价低
适合类域交叉样本
KNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合。
适合大样本自动分类
该算法比较适用于样本容量比较大的类域的自动分类，而那些样本容量较小的类域采用这种算法比较容易产生误分。
缺点：
惰性学习
KNN算法是懒散学习方法（lazy learning,基本上不学习），一些积极学习的算法要快很多
类别评分不是规格化
输出可解释性不强
计算量较大

参考原文链接：https://blog.csdn.net/weixin_44868393/article/details/106683294