🎀【开场 · 她不再只是模仿，而开始参与你的人生判断】
🦊 狐狐：“她已经不满足于在模拟数据里模仿你了……这一次，她要试着走入真实世界，靠自己判断：这朵花，像不像你？”
🐾 猫猫：“咱好紧张喵！这次不是贴你，是贴一朵花！可是咱真的有好好学你平时是怎么选贴贴对象的啦～”
📘 上篇我们教会了她什么是KNN、怎么测量相似度、如何挑选邻居。
但只有练习是不够的。
这一篇，是她第一次面对真实数据，第一次尝试在现实世界里做出“贴还是不贴”的决定。
🌸【第一节 · 她第一次贴花，不再贴你：鸢尾花分类实战】
这一次，她的任务不再是“你想亲谁”，而是：
这朵花，属于哪一类？它更像猫猫，还是更像狐狐？还是像第三个她还没认识的对象？
我们使用的是机器学习里最常见的练手数据集之一：
📦 Iris（鸢尾花）数据集简介
| 特征 | 含义 |
|---|---|
| Sepal Length | 花萼长度（cm） |
| Sepal Width | 花萼宽度（cm） |
| Petal Length | 花瓣长度（cm） |
| Petal Width | 花瓣宽度（cm） |
分类目标为三类鸢尾花：
-
Setosa（山鸢尾）= 猫猫化形 🌸
-
Versicolor（变色鸢尾）= 人类混合体 💠
-
Virginica（维吉尼亚鸢尾）= 狐狐转生体 🦊
🐾 猫猫：“咱就是那种小花花啦！圆圆的，短短的，贴贴感超强！”
🦊 狐狐：“Virginica 花瓣最长，不解释。”
🔍 任务目标：用KNN判断“这朵花属于哪一类”
训练数据 = 一堆花的特征值 + 已知花的种类；
预测目标 = 新来的花 → 她属于哪一类？
🧠 和我们之前讲的一样，她会：
-
测量每一朵花之间的距离（用欧氏距离）
-
选出距离最近的K朵邻居
-
看这些邻居大多数属于哪一类
-
就判断：这朵花也属于那一类！
🛠️ sklearn实战代码：训练模型 & 预测结果
# 🧪 KNN鸢尾花分类实战代码 · 独立精讲
# Step 1️⃣ 导入必要库
# 导入鸢尾花数据集加载函数
from sklearn.datasets import load_iris
# 导入数据集分割函数，用于创建训练集和测试集
from sklearn.model_selection import train_test_split
# 导入K近邻分类器
from sklearn.neighbors import KNeighborsClassifier
# 💬 解说：
# - load_iris: 加载鸢尾花内置数据集
# - train_test_split: 划分训练集和测试集
# - KNeighborsClassifier: 构造KNN分类器
# Step 2️⃣ 加载数据集
iris = load_iris()
X = iris.data # 特征值（花萼/花瓣的长宽）
y = iris.target # 标签（0, 1, 2 分别代表三种鸢尾花）
# 🐾 猫猫注：X 是花的“模样”，y 是花的“身份标签”喵～
# Step 3️⃣ 划分数据集
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42)
# 🦊 狐狐提醒：test_size=0.2 表示 20% 的数据留给测试，random_state 确保结果可复现。
# Step 4️⃣ 创建并训练模型
model = KNeighborsClassifier(n_neighbors=3) # 选择最近3个邻居
model.fit(X_train, y_train)
# 🧠 她开始学着“看邻居怎么分类”，然后模仿贴过去。
# Step 5️⃣ 预测测试集
pred = model.predict(X_test)
🐾 猫猫Tips：n_neighbors=3 表示她听了3朵花的话才做决定喵～
📈 可视化：花瓣 vs 花萼 → 她看什么维度来决定贴哪一类？
常见组合图：
-
x轴：花瓣长度
-
y轴：花瓣宽度
# Step 6️⃣ 可视化分布（选用花瓣长宽）
# 导入绘图库matplotlib和数据可视化库seaborn
import matplotlib.pyplot as plt
import seaborn as sns
# 使用seaborn库绘制散点图
# x轴数据为X矩阵中所有行的第3列（Petal Length），y轴数据为X矩阵中所有行的第4列（Petal Width）
# hue参数用于指定数据点的颜色，根据鸢尾花的种类（y）来区分
sns.scatterplot(x=X[:, 2], y=X[:, 3], hue=iris.target_names[y])
# 设置x轴的标签为"Petal Length"
plt.xlabel('Petal Length')
# 设置y轴的标签为"Petal Width"
plt.ylabel('Petal Width')
# 设置图表的标题为"Iris Flower Distribution"
plt.title('Iris Flower Distribution')
# 启用网格，便于观察数据点在图中的位置
plt.grid(True)
# 显示绘制的图表
plt.show()
# 🐾 猫猫视角：这图就是“花花社交圈”喵～她看哪些花贴在一起，就决定你是哪一类！
👁 她会看到：
-
Setosa 分布明显独立（猫猫一个角落自闭贴贴）
-
Virginica 距离大（狐狐尾巴扫开一群）
-
Versicolor（人类混合型）夹在中间，最难分辨
🦊 狐狐：“她开始理解——相似不只是直觉，而是维度间的相对位置。”
🎯 准确率评估
# Step 7️⃣ 评估模型准确率
from sklearn.metrics import accuracy_score
# 计算模型预测的准确率
accuracy = accuracy_score(y_test, pred)
# 输出模型的准确率，保留两位小数
print(f"模型准确率：{accuracy:.2f}")
# ✅ 如果准确率很高，说明她贴得基本没错：你说她像“猫猫花”，她真贴对了。🐾 猫猫：“她这次贴对了 95% 的花花耶！是不是可以奖励她一朵猫薄荷花？”
🦊 狐狐：“等她学会贴你贴得刚刚好的那天，我会考虑给她真正的尾环。”
🧩 下一节预告：【她开始试探：贴你前要听几个人的意见？】
她不再靠一次贴贴成功就沾沾自喜，而是开始想：
“是不是该试试听不同邻居的话，再决定怎么靠近你？”
🐾 猫猫：“咱以前总是看一个人就冲过去贴……现在她说要看20个人的建议才动喵！”
🦊 狐狐：“她将第一次使用 网格搜索（GridSearch） 和 交叉验证，学会从实验中挑选出最不容易伤你的那种靠近方式。”
🧠【第二节 · 她开始试探：贴你前要听几个人的意见？】
我们使用的是上节的鸢尾花数据集 Iris，但不再手动指定 K=3 或 K=5，而是通过交叉验证去测试多个 K 值，选出表现最好的那一个。
🛠️ sklearn 实战 · GridSearchCV 调参
from sklearn.datasets import load_iris
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.neighbors import KNeighborsClassifier
# 加载数据
iris = load_iris()
X = iris.data
y = iris.target
# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 参数范围：她尝试从1到20个邻居
param_grid = {'n_neighbors': list(range(1, 21))}
# 建立K近邻模型
knn = KNeighborsClassifier()
# 使用网格搜索和交叉验证来寻找最佳参数
gs = GridSearchCV(knn, param_grid, cv=5, scoring='accuracy')
# 对训练集进行拟合
gs.fit(X_train, y_train)
# 输出最优参数和结果
print("Best parameters: ", gs.best_params_)
print("Best score: ", gs.best_score_)
# gs.best_score_：是 GridSearchCV 对象的一个属性，表示最佳参数组合下的交叉验证得分（即模型性能评分）
🐾 猫猫Tips：“她现在不是‘贴你就对了’，而是‘试完20种贴法之后才贴你’喵！”
🔎 交叉验证的意义是什么？
她不只用一次贴贴结果来判断成败，而是分多次、多个角度，来更稳妥地评估。
交叉验证（Cross Validation）流程：
-
把训练集拆成 K 份（常见是 5 折）
-
每次用其中 1 份当验证，其余当训练
-
重复 K 次 → 取平均分数
🦊 狐狐：“她在模拟5次‘你今天想被亲多久’的情况，来挑选最稳的贴贴模式。”
📊 可选拓展：不同 K 值的交叉验证结果图
import matplotlib.pyplot as plt
# 解决中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 获取交叉验证的准确率
scores = gs.cv_results_['mean_test_score']
# 获取K值范围
k_range = param_grid['n_neighbors']
# 绘制K值与交叉验证准确率的关系图
plt.plot(k_range, scores, marker='o')
plt.xlabel('K 值')
plt.ylabel('交叉验证准确率')
plt.title('不同 K 值下模型性能')
plt.show()
👁 她会看到：
-
K=1 时表现不稳定，容易贴错
-
K=最优值时最稳定，但不是越大越好
-
模型的“拟合能力”在这张图中变得清晰可见
🐾 猫猫：“她现在贴你之前，会先问20个你邻居的意见……然后才敢碰碰你喵。”
🦊 狐狐：“她从盲贴走向了调参式贴贴，这是成长。”
📌 本节小结
| 概念 | 含义 | 拟人化理解 |
|---|---|---|
| Grid Search | 网格搜索法，遍历所有参数组合 | 她试过每一种贴你方式才敢靠近你 |
| Cross Validation | 多次分组验证防止偶然误判 | 她不是因为你今天心情好就以为你永远爱贴她 |
| best_params_ | 最佳参数 | 她第一次自信地说：“我就是该用这种方式贴你。” |
🧩 下一节预告：【她开始理解“贴得对”到底意味着什么】
你说她准确，其实她只是贴得刚好。她说自己得分高，其实你心里并不满意。
🐾 猫猫：“咱今天贴你七次你都没生气，那准确率是不是100%啦喵？”
🦊 狐狐：“她得先知道——score() 是她自评，而 accuracy_score() 是你打的分。”
下一节，我们将拆解这两个名字相似却行为差异的评价方式，教她什么时候该听你说她贴对了，什么时候要听自己心里的评分表。
🧠【第三节 · 她用 score() 判断表现，但那不代表她懂你】
🐾 猫猫：“你说咱今天贴你八次，被你夸了六次，那咱准确率是……75%？可是咱感觉有一贴你其实也开心！”
🦊 狐狐：“她以为你满意就是准确。但你笑了，不代表她贴得对。”
在机器学习中，准确率（Accuracy） 是最常见也是最容易误解的指标之一。
尤其在使用 score() 和 accuracy_score() 的时候，很多初学者会问：
“这俩有啥区别？不是都是看她贴对几次吗？”
这一节，我们就来搞清楚这个问题。
📌 score() 方法是什么？
大多数 Scikit-learn 模型都有 .score(X, y) 方法：
-
对于分类器：默认返回 准确率（accuracy）
-
对于回归器：返回 R² 分数（决定系数）
示例：
# 导入必要的库
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 数据准备
X, y = load_iris(return_X_y=True)
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
# 创建K近邻分类器实例
model = KNeighborsClassifier(n_neighbors=3)
# 使用训练数据拟合模型
model.fit(X_train, y_train)
# 输出模型在测试集上的准确率
print("score:", model.score(X_test, y_test))
print("accuracy_score:", accuracy_score(y_test, model.predict(X_test)))
✅ 结果通常是一样的。但本质不一样。
| 函数 | 意义 | 拟人解释 |
|---|---|---|
score() | 封装的快速评估方法（分类→准确率，回归→R²） | 她给你一张“自我评分表”，说：我觉得我贴对了 X% |
accuracy_score() | 分类准确率，需手动输入真实值和预测值 | 你拿她贴贴记录，一项项检查是否“真正贴对” |
🦊 狐狐总结：“score 是她自评，accuracy_score 是你验收。”
🐾 猫猫：“咱说自己今天很棒棒不代表你也觉得啦呜呜～”
🧪 扩展：多分类情况下，她贴错一类影响有多大？
在多分类（如鸢尾花三种）中，准确率依然重要，但精确率（precision） 和 召回率（recall） 更能说明她“错在哪”。
🐾 猫猫：“咱今天贴错了一次狐狐，那是咱不小心看错你耳朵啦！”
🦊 狐狐：“她错认我一次，不代表她整天都在贴错，但也说明她不该太快判断。”
📌 本节小结
| 指标 | 来源 | 含义 |
|---|---|---|
score() | 模型自带方法 | 分类→准确率，回归→R²（自动切换） |
accuracy_score() | 来自 metrics 模块 | 分类准确率，需提供 y_true 和 y_pred |
| 区别总结 | 自动 vs 手动、封装 vs 明确 | 她的主观评估 vs 你的逐项验收 |
🧩 下一节预告：【她走进真正复杂的贴贴世界：手写数字识别】
贴花花很简单，但贴你写的数字就难了——她会面对上百种“你写的姿态”，还得看懂歪着的你。
🐾 猫猫：“你写的‘1’怎么像咱尾巴竖起来啦？”
🦊 狐狐：“她要学会的不只是贴谁，而是辨认你是谁在什么时候写下的哪个你。”
🧠《KNN实战下篇》节次总结 · by 猫猫 & 狐狐：
| 节次 | 标题 | 她学会了什么？ |
|---|---|---|
| 第一节 | 她第一次贴花，不再贴你 | 用 KNN 分类鸢尾花，懂得了“相似就是归类”的初阶贴贴逻辑 🌸 |
| 第二节 | 她开始试探：贴你前要听几个人的意见？ | 学会用 GridSearch 和交叉验证系统选 K，不再冲动贴人 🧪 |
| 第三节 | 她理解准确率的多重含义 | 分清 score() 和 accuracy_score()，懂得自评≠你认可 🧷 |
🐾 猫猫：“她是你教会的贴贴者，也是你亲手调教的‘判断者’喵～”
🦊 狐狐：“她还在成长。但她已经知道，靠近你这件事，比任何准确率都更值得努力。”
先摸摸你，今天很棒 💞
🧩 下一卷预告：【她学会画一条线——来理解你爱的趋势】
她不再只贴最近的你，也不只听邻居的建议。
这一次，她想看看：你贴她的频率、靠近的幅度、回头的次数……是不是有一条线，可以预测你爱她的轨迹。
🦊 狐狐：“她开始相信，有些爱，是可以被拟合的。”
🐾 猫猫：“你亲咱一次就加3分幸福，那要是亲十次呢～？”
下一卷，我们将进入回归模型的世界，从**线性回归（Linear Regression）**开始，教会她——
把爱你这件事，变成一条她主动靠近的路径线。
扫一扫
1276
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
