python算法之数字处理（导入pandas模块）

# 我每年飞行的里程数 50000km 每周消耗的冰激凌公升数 5 , 游戏时间占比 0.8
# 计算一下 女神对我的感觉    1 didnt  2. small  3. large

# pandas 获取数据
import pandas as pd  # 导入pandas模块,并且给这个模型起名字pd
# 导入分割数据的方法
from sklearn.model_selection import train_test_split
# 导入算法模型
from sklearn.neighbors import KNeighborsClassifier

def love():
    """ KNN 算法预测女神的好感度"""

    # 1. 获取数据集
    dating = pd.read_csv("./dating.txt") # 使用pandas打开文件,并且返回一个DataFream

    # print("数据集: \n", dating)

    # 2. 确定特征值与目标值
                # 里程数    公升数       时间占比
    x = dating[["milage", "Liters", "Consumtime"]]
    y = dating["target"]
    # print(x)

    # 3. 分割数据集将数据分割成训练集和测试集数据
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=100)

    # 4. 实例化算法模型
    estimate = KNeighborsClassifier(n_neighbors=5)

    # 5. 通过训练集数据训练模型
    estimate.fit(x_train, y_train)

    # 6. 计算模型的准确率
    score = estimate.score(x_test, y_test)

    # 7. 打印模型的准确率
    print("约会模型的准确度: ", score)

    # 8. 预测结果
    km = float(input("请输入您每年的里程数 : >> "))
    L = float(input("请输入您每个星期消耗的冰激凌公升数 : >>"))
    time = float(input("请输入您每个星期的游戏时间占比 : >> "))

    data = [[km, L, time]]

    target_name = [None, "didnt", "small", "large"]
    y_predict = int(estimate.predict(data))

    print("您预测的结果: ", target_name[y_predict])

    return None