【MachineLearning】之 K-近邻分类预测（实战）

Topic：

1. 加载数据集
2. 数据划分
3. 训练模型
4. 模型预测
5. 准确率计算
6. K值选择

一、步骤

---

（1）加载数据集

本次使用的数据集为丁香花数据集course-9-syringa.csv，丁香花数据集包含 daphne，syringa 和 willow 等 3 个种类，即标签（labels），其中每个种类包含 150 条数据，每条数据包含 4 个特征值：花萼长度，花萼宽度，花瓣长度，花瓣宽度。利用 Pandas 将其导入成 DataFrame 格式。

# 下载数据集
!wget http://labfile.oss.aliyuncs.com/courses/1081/course-9-syringa.csv

"""加载数据集
"""
import pandas as pd

lilac_data = pd.read_csv('course-9-syringa.csv')
lilac_data.head()  # 预览前 5 行

为了使我们对数据更加了解，同样我们用 plt 将各个数据的特征绘制出来。由于丁香花数据集有 4 个特征值，在二维空间中无法直接表示，所以只有采用特征组合的方式绘画特征分布图。下面将 4 个特征，进行两两组合得到 6 种情况，并采用子图的方式进行绘制。

from matplotlib import pyplot as plt
"""绘制丁香花特征子图
"""
fig, axes = plt.subplots(2, 3, figsize=(20, 10))  # 构建生成 2*3 的画布，2 行 3 列
fig.subplots_adjust(hspace=0.3, wspace=0.2)  # 定义每个画布内的行间隔和高间隔
axes[0, 0].set_xlabel("sepal_length")  # 定义 x 轴坐标值
axes[0, 0].set_ylabel("sepal_width")  # 定义 y 轴坐标值
axes[0, 0].scatter(lilac_data.sepal_length[:50],
                   lilac_data.sepal_width[:50], c="b")
axes[0, 0].scatter(lilac_data.sepal_length[50:100],
                   lilac_data.sepa