机器学习-scikit-learn

第八课 机器学习简单介绍
第七节 使用scikit-learn的流程
# 引入包
import pandas as pd
import numpy as np
准备数据集
iris_data = pd.read_csv('./dataset/iris.csv')
iris_data.head()
sepal_length	sepal_width	petal_length	petal_width	species	label
0	5.1	3.5	1.4	0.2	setosa	1
1	4.9	3.0	1.4	0.2	setosa	1
2	4.7	3.2	1.3	0.2	setosa	1
3	4.6	3.1	1.5	0.2	setosa	1
4	5.0	3.6	1.4	0.2	setosa	1
iris_data.tail()
sepal_length	sepal_width	petal_length	petal_width	species	label
145	6.7	3.0	5.2	2.3	virginica	3
146	6.3	2.5	5.0	1.9	virginica	3
147	6.5	3.0	5.2	2.0	virginica	3
148	6.2	3.4	5.4	2.3	virginica	3
149	5.9	3.0	5.1	1.8	virginica	3
# 获取特征
X = iris_data[['sepal_length', 'sepal_width', 'petal_length', 'petal_width']].values
print(X.shape)
(150, 4)
# 获取标签
y = iris_data['label'].values
print(y.shape)
(150,)
选择模型
# 选择K近邻距离算法
from sklearn.neighbors import KNeighborsClassifier

knn_model = KNeighborsClassifier()
训练模型
knn_model.fit(X, y)
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1, n_neighbors=5, p=2,
           weights='uniform')
测试模型
# 选择第一个样本
knn_model.predict([[5.1, 3.5, 1.4, 0.2]])
array([1], dtype=int64)
# 选择最后一个样本
knn_model.predict([[5.9, 3.0, 5.1, 1.8]])
array([3], dtype=int64)
# 选择所有样本
knn_model.predict(X)
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 3, 2, 3, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 2, 3, 3, 3,
       3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,
       3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3], dtype=int64)
思考：

在训练集上做测试是否合适？
现实中的情况是什么样的？