0308_innovation project_learn for 腐草为萤/mofan sklearn

sklearn 学习，iris花瓣数据集KNN分类_learn for mofan

# -*- coding: utf-8 -*-
"""
Created on Sun Mar  8 12:05:52 2020

"""

import numpy as np
from sklearn import datasets
#载入sklearn里面的datasets
from sklearn.model_selection import train_test_split
#
from sklearn.neighbors import KNeighborsClassifier
#KNN

iris = datasets.load_iris()
#就是iris这个花瓣数据集有4个属性，target也就是他的标签有一个维度，150个数据,
#data也就是他的数据集有两个维度，第一维150个数据，第二维4个数据
iris_X = iris.data
iris_y = iris.target
##print(iris_X[:2, :])
#冒号含义是代表从第0到第n-1
##print(iris_y)
X_train, X_test, y_train, y_test = train_test_split(
    iris_X, iris_y, test_size=0.3)
#划分数据集，0.3作为测试数据集，0.7作为训练集 ,同时这句话对原数据集进行了打乱操作
#将排序进行打乱
##print(y_train)
knn = KNeighborsClassifier()
#载入训练器
knn.fit(X_train, y_train)
#将训练数据放进训练器中，也就是这个knn.fit
print(knn.predict(X_test))
#用KNN算法进行预测，对比预测值与实际的标签
print(y_test)
print('测试集准确率：',knn.score(X_test,y_test))
#score函数
#score(X,y,sample_weight=None)
#X是test集的属性，y是test集的标签

腐草为萤 logistic regression& PCA

import package

os

opreate system访问操作系统功能模块
可以实现跨平台访问（win?mac?)
通用操作：
获取平台信息；操作目录；判断操作；

import os
tmp_labels = np.ones((48,1),dtype=np.int)*label[os.path.basename(mat_file)[:-4]]#根据类别生成label向量

os.path.basename(path):可返回文件名

sklearn

机器学习包，里面有超级多好东西，各种模型和数据集

算法选择图
汉化版：

sklearn.decomposition

降维操作；
降维PCA介绍

from sklearn.externals import joblib

训练好后的模型的载入与使用

pickle

训练好后的模型的载入与使用

numpy

scipy.io

SciPy库依赖于NumPy，它提供了便捷且快速的N维数组操作。 SciPy库的构建与NumPy数组一起工作，并提供了许多用户友好和高效的数字实践，例如:数值积分和优化的例程。
io子包：数据输入和输出

glob

查找符合特定规则的文件路径名
glob模块介绍