Sklearn实例：水果多分类

机器学习五步：

1. 加载数据集
2. 分割数据集
3. 建立模型
4. 训练模型
5. 预测模型

导入库文件

import numpy as np #科学计算库
import matplotlib.pyplot as plt #绘图库可视化函数
import pandas as pd #数据处理库，数据分析库
import seaborn as sns #高级数据可视化库

from sklearn.model_selection import train_test_split #数据分割库

一：加载数据集

fruis_df = pd.read_table("/home/aistudio/data/fruit_data_with_colors.txt")
print(fruis_df.head(3))

注：
wget https://raw.githubusercontent.com/susanli2016/Machine-Learning-with-Python/master/fruit_data_with_colors.txt

获取数据集中的特征名称

fruis_name_dict = dict(zip(fruis_df["fruit_label"], fruis_df["fruit_name"]))
print("___________")
print(fruis_name_dict)

获取数据集中的特征名称

X = fruis_df[["mass", "width", "height", "color_score"]]
y = fruis_df["fruit_label"]

二：分割数据集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/4, random_state=0)
print("数据集总共：{}, 训练集：{}, 测试集合：{}".format(len(X), len(X_train), len(X_test)))

绘制散点图

sns.pairplot(data = fruis_df, hue="fruit_name", vars=["mass","width","height","color_score"])

运行结果

fruit_label fruit_name fruit_subtype  mass  width  height  color_score
0            1      apple  granny_smith   192    8.4     7.3         0.55
1            1      apple  granny_smith   180    8.0     6.8         0.59
2            1      apple  granny_smith   176    7.4     7.2         0.60
___________
{1: 'apple', 2: 'mandarin', 3: 'orange', 4: 'lemon'}
数据集总共：59, 训练集：44, 测试集合：15

三：建立模型

from sklearn.neighbors import KNeighborsClassifier #KNN分类器的算法库

knn = KNeighborsClassifier(n_neighbors=5)

四：训练模型

knn.fit(X_train, y_train)

五：预测模型

y_pred = knn.predict(X_test)
print(y_pred)

from sklearn.metrics import accuracy_score #准确率
accuracy_score(y_test, y_pred) # y_test:实际值，y_pred:预测值

输出

[3 1 4 4 1 1 3 3 1 4 2 1 3 1 4]
0.5333333333333333

可视化模型

k_range = range(1, 20) # k = 1～19
acc_scores = [] # 存储每个 k 值对应的准确率

for k in k_range:
knn = KNeighborsClassifier(n_neighbors=k)
knn.fit(X_train, y_train)
acc_scores.append(knn.score(X_test, y_test))

plt.figure()
plt.xlabel(“K”) # X轴标签
plt.ylabel(“Accuracy”) # Y轴标签
plt.scatter(k_range, acc_scores)
plt.xticks([0, 5, 10, 15, 20])
plt.show()