机器学习（2）——Spyder数据分割与训练

目录

1 数据构建

1.1 熟悉要处理的数据

1.2 查看数据

1.3 构建自己的数据

1.4 测试数据分割

2 k近邻分类

2.1 k近邻算法

2.2 数据模型优良评判

3 sklearn数据集

3.1 鸢尾花数据集

3.2  k近邻分类算法的应用

---

1 数据构建

10kV架空路线中，单相接地故障是一种常见的故障。对此类故障和线路运行状态，由实际采集系统中所采集的数据构建了21条表征线路运行状态和故障状态的数据集。

1.1 熟悉要处理的数据

打开Spyder，输入以下程序：

ground_feature.csv文件获取：

链接：https://pan.baidu.com/s/1sNz3RqyiAU7V8djcXVPOtA 
提取码：whj6

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
gf = pd.read_csv('E:\PYTHON\ground_feature.csv')
data = gf.values
print('Keys of ground feature:\n{}'.format(gf.columns))

运行结果如下：

Keys of ground feature:
Index(['Drop percentage', '\tAscending mutation value',
       '\tWavelet lifting mutation value', '\ttarget'],
      dtype='object')

由运行结果可见，该数据有4个字段，分别为Drop percentage、Ascending mutation value、Wavelet lifting mutation value、target，分别表示电场下降百分比、电流上升突变值、电流小波提升突变值、目标。

程序运行界面如下图所示：

 也可以在控制台窗口中输入该程序，但语句量较多的情况下不建议该操作：