首先下载 莺尾花数据集
对数据进行处理
import numpy as np
import pandas as pd
# 读取数据集 header参数用来指定标题的行,默认为零,如果默认没有标题,则使用None
data = pd.read_csv('iris.csv')
print(data)
# 显示前n行数据,默认值为5
# print(data.head())
# 显示末尾的n行记录,默认值为5
# print(data.tail())
# 随机抽取样本,默认抽取一条,可以通过参数进行指定抽取样本的数量
# print(data.sample(10))
# 数据映射
data['Species'] = data['Species'].map({'setosa':0,'versicolor':1,'virginica':2})
# print(data)
# 查看各个类别的莺尾花有多少条记录
print(data['Species'].value_counts())
# 长度
n = len(data)
# print(n)
# 删除不需要的ID列
# data.drop('')
# data = data.drop('ID',axis=0,inplace=True)
# 是否重复
# data = data.duplicated().any()
# 删除重复
# data = data.drop_duplicates(inplace=True)
# print(len(data))
KNN类
class KNN:
# 实现K邻算法
def __init__(self,k):
# 初始化方法
# paramaters
# k : int 邻居的个数
self.k = k
def fit(self,X,y):
# 训练方法
# paramaters X : 类数组类型, 形状为:{样本数量,特征数量} 待训练的样本特征(属性)
# y : 类数组类型, 形状为: {样本数量} 每个样本的目标值(标签)
# 将X样本转换为ndarray数组类型
self.X = np.asarray(X)
self.y = np.asarray(y)
def predict(self,X):
# 根据参数传递的样本, 对样本数据进行预测
# paramaters X : 类数组类型, 形状为:{样本数量,特征数量} 待训练的样本特征(属性)
# return result:数组类型
# 预测的结果
X = np.asarray(X)
result = []
# 每次取数组中的一样数据
for x in X:
# 对于测试集中的每一个样本 依次与训练集中的所有样本求距离
dis = np.sqrt(np.sum((x - self.X)**2,axis=1))
# 返回数组排序后 每个元素在原数组中的索引
index = dis.argsort()
# 进行截断 只取前K个元素 取距离最近的k个元素的索引
index = index[:self.k]
# print(index)
# 返回数组中每个元素出现的次数 元素必须是非负的整数
# count = np.bincount(self.y[index])
count = np.bincount(self.y[index])
# 返回ndarray数组中,值最大的元素对应的索引 该索引就是我们判定的类别
# 最大元素索引, 就是出现次数最多的元素
result.append(count.argmax())
return np.asarray(result)
对数据进行训练和测试
# 提取每个类别中莺尾花的数据
t0 = data[data['Species'] == 0]
# print(len(t0))
t1 = data[data['Species'] == 1]
t2 = data[data['Species'] == 2]
# 为了数据具有随机性 进行洗牌
t0 = t0.sample(len(t0),random_state=0)
t1 = t1.sample(len(t1),random_state=0)
t2 = t2.sample(len(t2),random_state=0)
#构建训练集和测试集
train_X = pd.concat([t0.iloc[:40,:-1],t1.iloc[:40,:-1],t2.iloc[:40,:-1]],axis=0)
train_y = pd.concat([t0.iloc[:40,:-1],t1.iloc[:40,:-1],t2.iloc[:40,:-1]],axis=0)
test_X = pd.concat([t0.iloc[40:,:-1],t1.iloc[40:,:-1],t2.iloc[40:,:-1]],axis=0)
test_y = pd.concat([t0.iloc[40:,:-1],t1.iloc[40:,:-1],t2.iloc[40:,:-1]],axis=0)
# 创建KNN对象 进行训练和测试
knn = KNN(k=3)
# 进行训练
knn.fit(train_X,train_y)
# 进行测试 获得测试结果
result = knn.predict(test_X)
print(result)
print(np.sum(result==test_y))
print(np.sum(result==test_y)/len(result))
KNN可视化
import matplotlib as mpl
import matplotlib.pyplot as plt
# 默认情况下 matplotlib不支持中文显示,我们需要进行一下设置
# 设置字体为黑体 以支持中文显示
mpl.rcParams['font.family'] = 'SimHei'
# 设置在中文字体时 能够正常的显示负号(-)
mpl.rcParams['axes.unicode_minus'] = False
# {'setosa':0,'versicolor':1,'virginica':2}
# 设置画布的大小
plt.figure(10,10)
# 绘制训练散点图
plt.scatter(x=t0['Sepal.Length '][:40],y=t0['Petal.Length'],color='r',label='virginica')
plt.scatter(x=t1['Sepal.Length '][:40],y=t1['Petal.Length'],color='g',label='setosa')
plt.scatter(x=t2['Sepal.Length '][:40],y=t2['Petal.Length'],color='b',label='versicolor')
# 绘制测试集数据
right = test_X[result == test_y]
wrong = test_X[result != test_y]
plt.scatter(x=right['Sepal.Length '],y=right['Petal.Length'],color='c',marker='s',lable='right' )
plt.scatter(x=wrong['Sepal.Length '],y=wrong['Petal.Length'],color='a',marker='>',lable='wrong' )
plt.xlabel('花萼长度')
plt.ylabel('花瓣长度')
plt.title('KNN分类结果显示')
plt.legend(loc='best')
plt.show()