鸢尾花种类预测_knn鸢尾花准确率最高多少

鸢（ yuān ）尾花种类预测

使用K-Nearest Neighbor（KNN）算法对鸢尾花的种类进行分类，并测量花的特征。

鸢尾花种类

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。关于数据集的具体介绍：

scikit-learn数据集介绍

scikit-learn数据集API

sklearn.datasets加载获取流行数据集
- datasets.load_*()获取小规模数据集，数据包含在datasets里
- datasets.fetch_*(data_home=None)
  获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是 ~/scikit_learn_data/

sklearn小数据集

sklearn.datasets.load_iris()加载并返回鸢尾花数据集

名称	数量
类别	3
特征	4
样本数量	150
每个类别数量	50

sklearn大数据集

sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
- subset：'train'或者'test'，'all'，可选，选择要加载的数据集。
- 训练集的“训练”，测试集的“测试”，两者的“全部”

sklearn数据集返回值介绍

load和fetch返回的数据类型datasets.base.Bunch(字典格式)
- data：特征数据数组，是 [n_samples * n_features]的二维numpy.ndarray数组
- target：标签数组，是 n_samples 的一维 numpy.ndarray 数组
- DESCR：数据描述
- feature_names：特征名,新闻数据，手写数字、回归数据集没有
- target_names：标签名

from sklearn.datasets import load_iris # 获取鸢尾花数据集 iris = load_iris() print("鸢尾花数据集的返回值：\n", iris) # 返回值是一个继承自字典的Bench print("鸢尾花的特征值:\n", iris["data"]) print("鸢尾花的目标值：\n", iris.target) print("鸢尾花特征的名字：\n", iris.feature_names) print("鸢尾花目标值的名字：\n", iris.target_names) print("鸢尾花的描述：\n", iris.DESCR)

查看数据分布

通过创建一些图，以查看不同类别是如何通过特征来区分的。在理想情况下，标签类将由一个或多个特征对完美分隔。在现实世界中，这种理想情况很少会发生。

seaborn介绍

Seaborn 是基于 Matplotlib 核心库进行了更高级的 API 封装，可以让你轻松地画出更漂亮的图形。而 Seaborn 的漂亮主要体现在配色更加舒服、以及图形素的样式更加细腻。

安装 pip3 install seaborn
seaborn.lmplot()是一个非常有用的方法，它会在绘制二维散点图时，自动完成回归拟合
- sns.lmplot()里的 x, y 分别代表横纵坐标的列名
- data=是关联到数据集
- hue=*代表按照 species即花的类别分类显示
- fit_reg=是否进行线性拟合

%matplotlib inline # 内嵌绘图 import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # 把数据转换成dataframe的格式 iris_d = pd.DataFrame(iris['data'], columns = ['Sepal_Length', 'Sepal_Width', 'Petal_Length', 'Petal_Width']) iris_d['Species'] = iris.target 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')

数据集的划分

机器学习一般的数据集会划分为两个部分：

训练数据：用于训练，构建模型
测试数据：在模型检验时使用，用于评估模型是否有效

划分比例：

训练集：70% 80% 75%
测试集：30% 20% 25%

数据集划分api

sklearn.model_selection.train_test_split(arrays, *options)
- 参数：
  x 数据集的特征值
  y 数据集的标签值
  test_size 测试集的大小，一般为float
  random_state 随机数种子,不同的种子会造成不同的随机采样结果。相同的种子采样结果相同。
- return
  x_train, x_test, y_train, y_test

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split # 1、获取鸢尾花数据集 iris = load_iris() # 对鸢尾花数据集进行分割 # 训练集的特征值x_train 测试集的特征值x_test 训练集的目标值y_train 测试集的目标值y_test x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22) print("x_train:\n", x_train.shape) # 随机数种子 x_train1, x_test1, y_train1, y_test1 = train_test_split(iris.data, iris.target, random_state=6) x_train2, x_test2, y_train2, y_test2 = train_test_split(iris.data, iris.target, random_state=6) print("如果随机数种子不一致：\n", x_train == x_train1) print("如果随机数种子一致：\n", x_train1 == x_train2)

机器学习流程

获取数据集
数据基本处理
特征工程
机器学习
模型评估

鸢尾花预测分析

导入所需模块

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsbClassifier

机器学习流程

获取数据集
数据基本处理
特征工程
机器学习
模型评估

获取数据

iris = load_iris() iris print("数据集为：\n", iris.data.shape) print("目标集为：\n", iris.target) print("目标集名称为：\n", iris.target_names) print("鸢尾花特征的名字：\n", iris.feature_names) # print("鸢尾花的描述：\n", iris.DESCR) # iris.data.shape

数据集为： (150, 4) 目标集为： [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2] 目标集名称为： ['setosa' 'versicolor' 'virginica'] 鸢尾花特征的名字： ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

数据基本处理

# x_train,x_test,y_train,y_test为训练集特征值、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 = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)

x_train.shape

(120, 4)

# 测试集占0.2 x_test.shape

(30, 4)

特征工程 – 特征预处理

transfer = StandardScaler() x_train = transfer.fit_transform(x_train) x_test = transfer.transform(x_test)

机器学习

实例化评估器

estimator = KNeighborsClassifier()

模型训练

estimator.fit(x_train, y_train)

KNeighborsClassifier()

模型评估

预测值结果输出

y_pre = estimator.predict(x_test) print("预测值是:\n", y_pre) print("预测值和真实值的对比是:\n", y_pre == y_test)

预测值是: [0 2 1 2 1 1 1 1 1 0 2 1 2 2 0 2 1 1 1 1 0 2 0 1 2 0 2 2 2 2] 预测值和真实值的对比是: [ True True True True True True True False True True True True True True True True True True False True True True True True True True True True True True]

准确率计算

score = estimator.score(x_test, y_test) print("准确率为:\n", score)

准确率为: 0.33333