机器学习之KNN的使用

KNN算法主要用于分类问题，算法适合于低维空间。

它的核心思想是：

1. 给定一个预测目标
2. 计算预测目标和所有样本之间的距离或者相似度
3. 选择距离最近的前K个样本
4. 通过投票来决定分类

sklearn包中自带的iris样本数据集，这里用这个数据集来练习knn算法。

1、iris数据集的介绍

参考：这一块内容昨天看了一篇博文，忘记地址了。

数据集内包含 3 类共 150 条记录，每类各 50 个数据。
每条记录都有 4 个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度。
鸢尾花有三个品种：iris-setosa, iris-versicolour, iris-virginica。
通过这4个特征预测鸢尾花属于哪个品种。

需导入库：

from sklearn.datasets import load_iris #导入样本数据集
import pandas as pd #处理数据
import numpy as np

获得数据：

dataSet = load_iris() 
data = dataSet['data']  # 数据
label = dataSet['target'] # 数据对应的标签
feature = dataSet['feature_names'] # 特征的名称
target = dataSet['target_names'] # 标签的名称

查看数据：

#创建DateFrame
df = pd.DataFrame(np.column_stack((data,label)),columns = np.append(feature,'label'))
pd.set_option('max_columns', 1000) #设置最大显示列数为1000
pd.set_option('max_row', 300)  #设置最大显示行数为300
df.set_value #删除和重置多索引的列名
print(df)

2、计算模型准确率的代码实现

需要导入的库：

#导入一个样本数据集
from sklearn import datasets
#用来做数据集的分割，把数据分成训练集和测试集
from sklearn.model_selection import train_test_split
#导入了KNN的模块，是sklearn提供的现成算法
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

导入数据集：

iris = datasets.load_i