机器学习实战目录
第一章 python训练线性模型实战
第二章 python训练决策树模型实战
第三章 python训练神经网络模型实战
第四章 python训练支持向量机模型实战
第五章 python训练贝叶斯分类器模型实战
第六章 python训练集成学习模型实战
第七章 python训练聚类模型实战
第八章 python训练KNN模型实战
第九章 python训练CNN模型实战
第十章 python训练RNN模型实战
......(会一直更新)
第八章 python训练KNN模型实战
目录
训练KNN模型的步骤如下:
1. 下载数据集
可以在 UCI ML Repository、Kaggle 等网站中下载各种类型的数据集。以使用的 iris 数据集为例,具体步骤如下:
- 前往 UCI ML Repository 网站 (https://archive.ics.uci.edu/ml/datasets/iris)。
- 点击 Data Folder 中的链接,下载 iris.data 文件。
- 将下载后的 iris.data 文件放入项目文件夹下。
2. 读取数据集
使用 pandas 库中的 read_csv() 函数读取 iris 数据集,并将数据集划分成特征向量和标签两部分,其中特征向量是用于训练 KNN 模型的数据。
``` python
import pandas as pd
colnames = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']
iris = pd.read_csv('iris.data', names=colnames)
X = iris.iloc[:, :-1].values
y = iris.iloc[:, -1].values
```
3. 数据预处理
KNN 算法对数据特征值的量纲比较敏感,因此在训练之前需要对数据进行标准化处理。可以使用 sklearn 中的 StandardScaler 类来实现该过程。
``` python
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X = scaler.fit_transform(X)
```
4. 划分训练集和测试集
使用 train_test_split() 函数将数据集划分为训练集和测试集。
``` python
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
```
5. 定义KNN模型
在 sklearn 中,可以使用 KNeighborsClassifier 类来定义 KNN 分类器。
``` python
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=3)
```
6. 训练模型
使用 fit() 函数对模型进行训练。
``` python
knn.fit(X_train, y_train)
```
7. 测试模型
使用 predict() 函数对测试集进行预测,并使用 accuracy_score() 函数计算准确率。
``` python
from sklearn.metrics import accuracy_score
y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
完整代码如下:
``` python
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据集
colnames = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']
iris = pd.read_csv('iris.data', names=colnames)
# 准备训练数据
X = iris.iloc[:, :-1].values
y = iris.iloc[:, -1].values
# 数据预处理
scaler = StandardScaler()
X = scaler.fit_transform(X)
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义KNN模型
knn = KNeighborsClassifier(n_neighbors=3)
# 训练模型
knn.fit(X_train, y_train)
# 测试模型
y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
参考资料:
[[1](https://zhuanlan.zhihu.com/p/138040633)]
大家觉得有帮助的话还请大家给个收藏关注鼓励一下,有什么问题评论区留言,看到会恢复哒~