机器学习入门概念了解

推荐书籍：《《Python机器学习基础教程》 — [德] 安德里亚斯·穆勒  [美] 莎拉·吉多

利用scikit_learn已有的数据，对监督学习-三分类问题的入门了解：

鸢尾花（Iris）有三个品种：setosa、versicolor 或 virginica。

鸢尾花（Iris）数据集包含两个 NumPy 数组：一个包含数据，在scikit-learn中被称为X；一个包含正确的输出或预期输出，被称为y。数组X是特征的二维数组，每个数据点对应一行，每个特征对应一列。数组y是一维数组，里面包含一个类别标签，对每个样本都是一个 0 到 2 之间的整数。

鸢尾花（Iris）数据集包含两个 NumPy 数组：一个包含数据，在scikit-learn中被称为X；一个包含正确的输出或预期输出，被称为y。数组X是特征的二维数组，每个数据点对应一行，每个特征对应一列。数组y是一维数组，里面包含一个类别标签，对每个样本都是一个 0 到 2 之间的整数。

法来构建模型，传入训练数据（X_train）和训练输出（y_trian）作为参数。我们用score方法来评估模型，该方法计算的是模型精度。我们将score方法用于测试集数据和测试集标签，得出模型的精度约为 97%，也就是说，该模型在测试集上 97% 的预测都是正确的。

因为是基于scikit_learn，所以数据格式必须是NumPy 数组：

1. 实例化鸢尾花数据：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import numpy as np
# k 近邻分类算法是在neighbors模块的KNeighborsClassifier类
from sklearn.neighbors import KNeighborsClassifier  


# 获取鸢尾花的训练集
iris_dataset = load_iris()
# random_state参数指定了随机数生成器的种子,保证多次运行程序输出集是相同的
X_train, X_text, y_train, y_text = train_test_split(iris_dataset['data'], iris_dataset['target'],random_state=0) 

iris_dataset: scikit_learn里有鸢尾花150个数据集，实例化对象后，获取所有数据集。

train_test_split：可以将150个数据集随机打散，自动分为75%的训练集和25%的测试集，训练集的数据用来构建模型，测试集的数据用来校对这个模型的准确性。

 2.接下来实现k近邻分类算法的预测模型：

# KNeighborsClassifier，里面只保存了训练集
knn = KNeighborsClassifier(n_neighbors=1)   # 实例化对象

# fit:基于训练集来构建模型
knn.fit(X_train, y_train)

KNeighborsClassifier：KNeighborsClassifier最重要的参数就是邻居的数目，这里我们设为1。

fit:基于训练集来构建模型。一个fit函数搞定。

3. 给定一个未知鸢尾花数据，预测属于哪一个分类：

x_new = np.asarray([[5.7, 3.6, 1.6, 1.6]])  # 一个未知品种的鸢尾花,格式必须是数组
# 预测品种
prediction = knn.predict(x_new)
print('预测结果：{}'.format(prediction))
print('预测的品种：{}'.format(iris_dataset['target_names'][prediction]))

结果如下：

预测结果：[0]
预测的品种：['setosa']

4. 如何判断模型预测出来的结果是否正确： 

对测试数据中的每朵鸢尾花进行预测，并将预测结果与标签（已知的品种）进行对比。我们可以通过计算精度（accuracy）来衡量模型的优劣。

# 评估模型，判断预测结果是否正确，利用测试集的数据，来衡量精度
y_pred = knn.predict(X_text)
print('测试集的结果预测：{}'.format(y_pred))
print('预测精确度：{:.2f}'.format(np.mean(y_pred == y_text)))
# 还可以使用knn对象的score方法来计算测试集的精度
print('预测精确度：{:.2f}'.format(knn.score(X_text, y_text)))

predict：

score:knn对象的score方法来计算测试集的精度,结果如下：

测试集的结果预测：[2 1 0 2 0 2 0 1 1 1 2 1 1 1 1 0 1 1 0 0 2 1 0 0 2 0 0 1 1 0 2 1 0 2 2 1 0
 2]
预测精确度：0.97
预测精确度：0.97 

总结：主要分为 1、构建训练集，测试集（train_test_split方法） 2、基于训练集来构建模型（KNeighborsClassifier类下的fit方法）3、让模型对未知数据作出预测（predict方法）4、评估模型（score方法）。