数据分析与挖掘-KNN算法-1.分类算法

一、 数据

电影名称  打斗镜头  牵手镜头  类别
黄飞红    10     2  动作
泰坦尼克号     3     9  爱情
钢铁侠    12     3  动作
后会有期     4    10  爱情
星语心愿     1     9  爱情
武当山     9     2  动作
加勒比海海盗    11     3  动作
天下无贼    13     4  动作
流星花园     2     7  爱情
天之娇子     3    11  爱情
天线宝宝    13     2  动作

 

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier

matplotlib.use('TkAgg')

data = pd.read_excel('movies.xls')
# print(data)
# 数据预处理
y = data["类别"]
y = y.map({"动作": 0, "爱情": 1})
X = data[["打斗镜头", "牵手镜头"]]

# 数据集的拆分
X_train = X.iloc[:8]  # 训练集
y_train = y.iloc[:8]  # 训练集标签(结果)

X_test = X.iloc[8:]  # 测试集
y_test = y.iloc[8:]  # 测试集标签(结果)

# print(X_test)

# 构建模型
knn1 = KNeighborsClassifier(n_neighbors=3)
knn2 = KNeighborsClassifier(n_neighbors=7)

# 用训练样本集 训练模型
knn1.fit(X_train, y_train)
knn2.fit(X_train, y_train)

# 用测试样本集 测试模型 得到结果
y1_ = knn1.predict(X_test)
y2_ = knn2.predict(X_test)

#求出准确率
acc1 = (y1_ == y_test).sum() / y1_.size
acc2 =(y2_ == y_test).sum() / y1_.size

print(acc1)
print(acc2)