python人工智能代码1008无标题_python人工智能，分类例解

分类是一种常见的机器学习算法，是一种有监督的算法。简单说就是给出学习集数据都是带标签的，通过训练学习集数据获得模型，对未来给出的实际数据，根据模型进行分类。这里采用K最近邻算法（KNN，K－nearest neighbour）

KNN算法非常直观，容易理解，就是寻找K个距离最近的邻居，看这K个近邻中哪个分类标签多，样本就归于哪类。

下面以一个对学生文理、综合分类问题进行实例操作。

数据文件是一个学生成绩及分类表，样式如下

ID yingyu yuwen shuxue ClassifyResult

0 0 80 80 79 3

1 1 99 89 60 1

2 2 60 78 90 2

3 3 90 70 88 3

4 4 66 77 88 2

代码如下：

import pandas as pd

from sklearn import neighbors

df = pd.read_csv('student.csv')

train_x = df.iloc[0:80,2:4] # 取数据集前80条记录的语文，数学成绩作为训练集输入

train_y = df.iloc[0:80, 4] # 取数据集前80条记录的标签值，即分类值作为训练集的输出

model = neighbors.KNeighborsClassifier() # 创建最近邻模型

model.fit(train_x, train_y) # 指定输入输出，创建模型

test_x = df.iloc[80:100, 2:4]# 取测试集输入

test_y = df.iloc[80:100, 4].values #取测试集输出,并将数据框转换成数组

test_p = model.predict(test_x)

print(test_p)

print(test_y)

rate = model.score(test_x,test_y) # 记算预测结果的正确率

print('预测结果的正确率是{0:*^10}'.format(rate))

运行结果如下：

[3 1 1 3 3 3 1 1 3 2 2 3 1 3 1 3 3 3 3 1]

[2 3 3 3 3 3 1 1 2 2 2 3 1 3 1 3 1 1 3 3]

预测结果的正确率是***0.65***

此次预测的正确率为0.65，并不是很高，主要是输入训练文件质量不高造成的。但这个小程序实现了KNN分类算法的全部功能，还是值得借鉴的