连广场舞阿嫲都听得懂的机器学习实例1 - 通过Sklearn KNN分类算法让计算机知道这是什么花

以下代码在pycharm+pyhton 2.7+anaconda环境测试通过。

#!/usr/bin/python
#-*- coding:UTF-8 -*-

from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier


iris = datasets.load_iris() #从python库里面下载iris的数据咯，150朵花的数据
iris_X = iris.data #iris数据集里面的每朵花的属性值(说白了就是花瓣尺寸之类的)，先拿下来，放在iris_X变量,记住，后面但凡X的就是花的属性值
iris_y = iris.target #iris数据集里面的每朵花的类别名字(说白了就是这朵花是iris里面的哪一类)，也拿下来，放在iris_y变量


"""
#来来，如果你还是好奇他们到底是什么东东的话，自己打印出来看看
print(iris_X)
print(iris-y)
"""


#在我们抡起算法前，我们还要对拿下来的数据做点事情，1.把数据打散啊；2.数据里面拿30%出来做测试数据啊；
X_train,X_test,y_train,y_test = train_test_split(
    iris_X,iris_y,test_size=0.3 #150朵花里面，拿出30%出来做实验用的。
)


knn = KNeighborsClassifier() #定义模块方式
knn.fit(X_train,y_train) #用fit函数来训练上面准备好的训练集数据啦
print(knn.predict(X_test)) #训练完数据，就有模型了，这一步就是用训练好的模型去预测测试集的数据，也就是让模型自己去判断这30%的花朵是属于什么类别
print("=================")
print(y_test) # 这一行是打印出测试集的分类数据，用来跟上面预测的数据做对比的，说白了就是你在开发环境肉眼对比一下，是不是大概都对得上

版权声明：本文为Derek Wong 原创文章，转载请注明来源网址。