练习：使用 scikit-learn 的 kNN 分类算法实现水果识别器

* 题目描述：使用k近邻距离算法创建一个水果识别器，根据水果的属性，判断该水果的种类。 

* 题目要求: 

* 使用scikit-learn的kNN算法进行识别 

* 数据文件： 

* 数据源下载地址：https://video.mugglecode.com/fruit_data.csv（数据源与上节课相同） 

* fruit_data.csv，包含了59个水果的的数据样本。 

* 共5列数据 

* fruit_name：水果类别 

* mass: 水果质量 

* width: 水果的宽度 

* height: 水果的高度 

* color_score: 水果的颜色数值，范围0-1。 

* 0.85 - 1.00：红色 

* 0.75 - 0.85: 橙色 

* 0.65 - 0.75: 黄色 

* 0.45 - 0.65: 绿色 

* 如图所示：https://video.mugglecode.com/color_score.jpg

# 数据源下载地址：https://video.mugglecode.com/fruit_data.csv（数据源与上节课相同）

查看提示

• * 问题拆解提示：
• 1. 如何处理样本的字符串标签？
• 2. 如何建立kNN模型？
• 3. 如何训练模型？
• 4. 如何验证模型？
• * 问题解决提示：
• 1. 利用Pandas模块中的map()(https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.map.html)方法进行字符串到数字的映射转换；
• 2. 利用scikit-learn模块中的KNeighborsClassifier()(http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html)建立kNN模型；
• 3. 利用scikit-learn模块中的fit()(http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html#sklearn.neighbors.KNeighborsClassifier.fit)方法训练模型；
• 4. 利用scikit-learn模块中的score()(http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html#sklearn.neighbors.KNeighborsClassifier.score)方法验证模型。

查看答案

# -*- coding: utf-8 -*-

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.neighbors import KNeighborsClassifier

CATEGRORY_LABEL_DICT = {

    'apple':    0,

    'lemon':    1,

    'mandarin': 2,

    'orange':   3

}

# 使用的特征列

FEAT_COLS = ['mass', 'width', 'height', 'color_score']

def main():

    """

        主函数

    """

    fruit_data = pd.read_csv('./fruit_data.csv')

    # 1. 处理样本的字符串标签，添加label一列作为预测标签

    fruit_data['label'] = fruit_data['fruit_name'].map(CATEGRORY_LABEL_DICT)

    # 4列水果的属性作为样本特征

    X = fruit_data[FEAT_COLS].values

    # label列为样本标签

    y = fruit_data['label'].values

    # 划分数据集

    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/5, random_state=20)

    print('原始数据集共{}个样本，其中训练集样本数为{}，测试集样本数为{}'.format(

        X.shape[0], X_train.shape[0], X_test.shape[0]))

    # 2. 建立kNN模型

    knn_model = KNeighborsClassifier()

    # 3. 训练模型

    knn_model.fit(X_train, y_train)

    # 4. 验证模型

    accuracy = knn_model.score(X_test, y_test)

    print('预测准确率为：{:.2f}%'.format(accuracy * 100))

if __name__ == '__main__':

    main()