mglearn库
用来快速美化绘图,或者用于获取一些有趣的数据
本学期常用库
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import mglearn
输出代码版本
1.pip show keras/tensorflow
2.import sys
print(sys.version)
print("Python version:{}".format(sys.version))
鸢尾花
本例中我们用到了鸢尾花(Iris) 的数据集,这是机器学习和统计学中一个经典的数据集。它包含在scikit-learn的datasets模块中。我们可以用load_iris函数来加载数据:
from sklearn.datasets import load_iris
iris_dataset = load_iris()
load_iris返回的iris对象是一个Bunch对象,与字典非常相似,里面包含键和值:
数据中键的相关介绍
iris.keys()
print("Keys of iris_dataset:\n{}".format(iris_dataset.keys()))
数据包含在data和target中。
1.data
data里面是花萼长度、花萼宽度、花瓣长度、花瓣宽度的测量数据,格式为NumPy数组。
查看data数据的格式:
data数组的每一行对应一朵花,列代表每朵花的四个测量数据
可以看出,数组中包含了150朵不同的花的测量数据。
机器学习中,个体叫做样本(sample),属性叫做特征(feature)。data数组的**形状(shape)**是样本数乘以特征数。
下面列出前五个样本的特征数值
2.target
target数组中包含的是测量过的每朵花的品种,也是一个NumPy数组。
0代表:setosa 1代表: versicolor 2代表:virginica
3.target_names
target_names键对应的值是一个字符串数组,里面包含我们要预测的花的品种
DESCR键对应的值是数据集的简要说明
print(iris_dataset['DESCR'][:193]+"\n...")
4.feature_names
feature_names键对应的值是一个字符串列表,对每一个特征进行了说明
训练数据与测试数据
train_test_split函数可以打乱数据集并进行拆分。这个函数讲75%的行数据作为训练集,剩下的25%作为测试集。
X_train:训练数据 y_train:训练标签
import random
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)
print("X_train shape:{}".format(X_train.shape))
print("y_train shape:{}".format(y_train.shape))
print("X_test shape:{}".format(X_test.shape))
print("y_test shape:{}".format(y_test.shape))
观察数据
构建一个模型:k近邻算法
原理:构建此模型只需要保存训练集即可。要对一个新的数据点做出预测,算法会在训练集中寻找与这个新数据点距离最近的数据点,然后将找到的数据点的标签赋值给新的数据点。
k的含义是:我们可以考虑训练集中与新数据点最近的任意k个邻居(比如说,距离最近的3个或5个邻居),而不是只考虑最近的那一个。然后,我们可以用这些邻居中数量最多的类别做出预测。
k近邻分类算法是在neighbors模块的KNeighborsClassifier类中实现的。我们需要将这个类实例化为一个对象,然后才能使用这个模型。这时我们需要设置模型的参数。KNeighborsClassifier最重要的参数就是邻居的数目,这里我们设为1:
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit()对训练集进行训练
想要基于训练集来构建模型,需要调用knn对象的fit方法,输入参数为X_train,y_train.
knn.fit(),训练函数,它是最主要的函数。接收参数只有1个,就是训练数据集,每一行是一个样本,每一列是一个属性。它返回对象本身,即只是修改对象内部属性,因此直接调用就可以了,后面用该对象的预测函数取预测自然及用到了这个训练的结果。
knn.fit(X_train,y_train)
做出预测
发现一朵鸢尾花,花萼长5cm宽2.9cm,花瓣长1cm宽0.2cm.预测这朵鸢尾花属于哪个品种?
X_new=np.array([[5,2.9,1,0.2]])
prediction=knn.predict(X_new)
print("Prediction:{}".format(prediction))
print(iris_dataset['target_names'][prediction])
knn.predict()预测新输入的类别
knn.predict(),预测函数 接收测试样本,一般是二维数组,每一行是一个样本,每一列是一个属性。返回数组类型的预测结果。
评估模型
knn.score()计算预测的准确率
knn.score(),计算准确率的函数,输出为一个float型数,表示准确率。
X: 测试样本,一般是二维数组,每一行是一个样本,每一列是一个属性。
y: 预测样本的真实标签,一维数组或者二维数组。
计算精度有两种方法:
第一种
print(knn.score(X_test,y_test))
第二种
y_pred=knn.predict(X_test)
print(y_pred)
print("{:.2f}".format(np.mean(y_pred == y_test)))