# 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
python算法之数字处理(导入pandas模块)
最新推荐文章于 2024-04-22 10:13:44 发布