【机器学习】（三）鸢尾花分类

鸢尾花分类是一个三分类的监督学习问题。
目标：构建一个机器学习模型，可以从已知的鸢尾花测量数据中进行学习，从而能够预测新鸢尾花的品种。
使用k近邻算法。

#!/usr/bin/env python
# coding: utf-8

from sklearn.datasets import load_iris
# 测试数据
iris_dataset = load_iris() # 加载数据，返回一个Bunch对象，类似字典
print("Keys of iris_dataset:\n{}",format(iris_dataset.keys())) # 键值
print(iris_dataset['DESCR'][:193]+'\n...') # 包含数据集简要说明
print(iris_dataset['target_names']) # 字符串数组，预测的目标
print(iris_dataset['feature_names']) # 字符串列表，样本属性
print(iris_dateset['data'][:3]) # 输入数据，NumPy二维数组 【样本】【属性】
print(iris_dataset['data'].shape)
print(type(iris_dataset['data']))

print(iris_dataset['target']) #  目标，NumPy一维数组

# 衡量模型
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split( # 打乱数据集并拆分成训练数据和测试数据
    iris_dataset['data'], iris_dataset['target'], random_state=0) # 指定随机数生成种子，保证多次运行同一函数有相同的输出
print(x_train.shape)
print(x_test.shape)

# 观察数据，散点图
import pandas as pd
import mglearn
iris_dataframe = pd.DataFrame(x_train, columns=iris_dataset.feature_names) # 创建散点图矩阵
grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(15,15), marker='o', # 绘制散点图
                       hist_kwds={'bins':20}, s=60, alpha=.8, cmap=mglearn.cm3)

# 构建模型：K近邻算法
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1) # 创建一个实例，封装了相关算法
knn.fit(x_train, y_train) # 基于训练集构建模型，返回对象本身并做出修改

# 做出预测
import numpy as np
x_new = np.array([[5, 2.9, 1, 0.2]]) # 二维数组
prediction = knn.predict(x_new)
print(prediction)
print(iris_dataset['target_names'][prediction])

# 评估模型
y_pred = knn.predict(x_test)
print(np.mean(y_pred == y_test))