鸢尾花种类预测（案例）

简介

使用经典的鸢尾花案例，来梳理一下机器学习的流程。

数据集介绍

Iris数据集：

• 属性4个：

1. sepal length （萼片长度）
2. sepal width （萼片宽度）
3. petal length （花瓣长度）
4. petal width （花瓣宽度）

• 类别3个：
  Setosa、Versicolour、Virginica

• 样本数量：150个（每类50个）

步骤分析

1. 获取数据

a. scikit-learn 加载：sklearn.datasets.load_iris()
b. 下载导入：先下载，再读取。（下载位置）
这里就直接用 sklearn.datasets 加载鸢尾花数据集了。

from sklearn.datasets import load_iris
iris = load_iris()

我们可以查看一下 iris 数据：
特征值：

iris.data

截取前五行展示，因为 iris.data.shape为 (150, 4) ，共150行显示不完。

目标值：

iris.target

2. 数据基本处理

随机的将数据集划分成训练集和测试集。
借助API划分 ：sklearn.model_selection.train_test_split

from sklearn.model_selection import train_test_split

把特征值数据和目标值数据作为参数传递进 train_test_split()，将返回：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)

3. 特征工程

虽然数据里的几个特征单位都是 cm，但是数值大小在 0-10 范围内。为了便于计算，我们对数据进行标准化处理，使数据转换到均值为 0、标准差为 1 的范围内。
标准化 API：sklearn.preprocessing.StandardScaler

from sklearn.preprocessing import StandardScaler

实例化一个转换器类。

transfer = StandardScaler()

计算参数（平均值、标准差）和转换数据：对训练集特征值和测试集特征值标准化处理。

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

部分原始数据	标准化处理后

4. 机器学习

使用 k 近邻算法 (KNN) 对训练数据进行训练，并对鸢尾花类别进行预测。
相关API：sklearn.neighbors.KNeighborsClassifier
首先导入相关模块：

from sklearn.neighbors import KNeighborsClassifier

实例化一个预估计器类 (这里直接使用默认的参数了，n_neighbors=5, weights=‘uniform’, algorithm=‘auto’)
(邻居数：5；邻域所有点的权重：均匀相等；用于计算最近邻居的算法：自动选择)

estimator = KNeighborsClassifier()

训练特征值和目标值

estimator.fit(x_train, y_train)

5. 模型评估

评价一个模型怎么样，容易想到的就是，比较一下模型预测的结果和实际结果是否相等。

predict = estimator.predict(x_test)
print(predict == y_test)

更直观的，通过计算准确率来评估。

estimator.score(x_test, y_test)

本次运行得到的结果为：0.9736842105263158。
由于划分数据集是随机的，且样本的数量只有150个，所以如果多次运行结果会不一样。

总结

本次案例主要目的是梳理基本实现流程，有兴趣的可以使用其他数据集或算法，补充加强对数据处理、模型的调优等具体流程。