机器学习-数据集准备及划分

第八课 机器学习简单介绍
第八节 数据集准备及划分
# 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
# 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)
[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 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 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 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
 3 3]
划分数据集
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/4, random_state=10)
print('原数据集的样本个数：', X.shape[0])
print('训练集的样本个数：', X_train.shape[0])
print('测试集的样本个数：', X_test.shape[0])
原数据集的样本个数： 150
训练集的样本个数： 112
测试集的样本个数： 38
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
# 在训练集上进行训练
knn_model.fit(X_train, y_train)
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
# 在测试集上测试模型
y_pred = knn_model.predict(X_test)
y_pred
array([2, 3, 1, 2, 1, 2, 3, 2, 1, 2, 2, 3, 2, 1, 1, 3, 2, 1, 1, 1, 3, 3,
       3, 1, 2, 1, 2, 2, 2, 3, 2, 2, 3, 3, 3, 1, 3, 3], dtype=int64)
print('真实值：', y_test)
print('预测值：', y_pred)
真实值： [2 3 1 2 1 2 2 2 1 2 2 3 2 1 1 3 2 1 1 1 3 3 3 1 2 1 2 2 2 3 2 2 3 3 3 1 3
 3]
预测值： [2 3 1 2 1 2 3 2 1 2 2 3 2 1 1 3 2 1 1 1 3 3 3 1 2 1 2 2 2 3 2 2 3 3 3 1 3
 3]
# 模型准确率
from sklearn.metrics import accuracy_score

acc = accuracy_score(y_test, y_pred)
print('准确率：', acc)
准确率： 0.9736842105263158