python学习笔记（32）----sklearn-knn-鸢尾花的分类

还是调参简单呀，自己编的问题总是一大堆，做这个练习顺便复习了前面一些数据处理知识
1.数据量大的时候缩小数据
2.将时间戳转换为年月日
3.把日期格式转为为字典格式
4.构造新的特征
5.取出目标值和特征值
6.数据分割
7.算法流程
8.还忘了个标准化，虽然这次用不上，但还是回忆下
下面就是调参之旅了

# 导入算法包以及数据集
import numpy as np
import pandas as pd
from sklearn import neighbors
from sklearn.model_selection import train_test_split


#读取数据
data=pd.read_csv('iris.csv')
print(data.head())
Sepal_Length=data['Sepal_Length']
print(Sepal_Length.shape)
#处理数据
#1.缩小数据
# data=data.query('Sepal_Length>4 & Sepal_Length<5')
# print(data.shape)
#2.将时间戳转换为年月日
# time_value=pd.to_datetime(data[time])
#把日期格式转为为字典格式
# time_value=pd.DatatimeIndex(time_value)
#3.构造新的特征
#
# i=[i for i in range(150)]
# 将列表转换为矩阵表示
# i=np.array(i)
# data['day']=i
# print(data.shape)
# #(150, 7)
# 4.删除特征
# print(data.head())
# data=data.drop(['day'],axis=1)
# print(data.head())
#5.取出目标值和特征值
data=data.values
x=data[1:,1:-1]
y=data[1:,-1:]

#因为这里花的种类是字符串，所有将类型数据化
Species=[]
for i in y:
    if i =='setosa':
        Specie = 1
    elif i=='versicolor':
        Specie = 2
    else:
        Specie = 3
    Species.append(Specie)

#将列表y转换为矩阵
y=np.array(Species)
print(y.shape)



#6.数据分割
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3)

#7。算法流程
knn=neighbors.KNeighborsClassifier(n_neighbors=7)
knn.fit(x_train,y_train)


y_predict=knn.predict(x_test)
print('预测的种类：',y_predict)
print('真实的种类：',y_test)
print('准确率：',knn.score(x_test,y_test))

预测的种类： [2 2 2 2 2 2 3 2 1 2 1 2 2 2 2 3 3 1 2 1 1 2 1 1 1 3 3 2 3 2 3 1 2 1 2 1 2
 3 2 2 3 1 3 2 3]
真实的种类： [2 2 2 2 2 2 3 2 1 2 1 2 2 2 2 3 3 1 2 1 1 2 1 1 1 3 3 3 3 2 3 1 2 1 2 1 2
 3 2 2 3 1 3 2 3]
准确率： 0.9777777777777777


#8.标准化
# from sklearn.preprocessing import StandardScaler
# std=StandardScaler()
# x_train=std.fit_transform(x_train)
# x_test=std.transform(x_test)