鸢尾花分类

鸢尾花分类

以前的机器学习之路是三天打鱼两天晒网的，导致现在学的不深入，今天重新开始学习

初识数据

鸢尾花数据是机器学习和统计学中经典的数据集，包含在scikir-learn的datasets中，使用load_iris函数加载数据

from sklearn.datasets import load_iris
iris_dataset=load_iris()
print("Keys of iris_dataset: \n{}".format(iris_dataset.keys()))

其中 load_iris返回iris对象的一个Bunch对象，里面包含有键和值，与字典非常相似

其中target_names键对应的值是一个字符串数据，里面包含所要预测的花的品种

print("Target names: {}".format(iris_dataset['target_names']))

数据包含在target和data字符你，其中data包含花萼长度与宽度，花瓣长度与宽度测量数据，其中data数据的每一行对应一朵花

iris_dataset['data'].shape

通过shape函数得出总共有150朵不同的花的测量数据。
查看前五个样本的特称数值

iris_dataset['data'][:5]

讲品种转化为从0-2的整数

print("Target: \n{}".format(iris_dataset['target']))

这样做的目的是为了得出的预测结果方便转化为花的种类

接下来使用skikit-learn中的train_test_split函数将数据集打乱并拆分这个函数将75%的行数据及对应标签作为训练集，将剩下的25%的数据作为测试集
对数据调用train_test_split

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)

查看训练集和测试集

print("X_train shape: {}".format(X_train.shape))
print("y_train shape: {}".format(y_train.shape))

构建K近邻分类算法

k近邻算分类算法在neigbors模块的KNeighborsClassifier类中实现，在这里需要将这个类实例化为一个对象，然后才能使用这个模型

from sklearn.neighbors import KNeighborsClassifier
knn=KNeighborsClassifier(n_neighbors=1)

接下来调用knn对象的fit方法，输入参数分本别为X_train,y_train

knn.fit(X_train,y_train)

做出预测

现在可以用这个模型对新数据进行预测了，假设新的鸢尾花花萼长度和宽度为5cm和2.9cm，花瓣长和宽为1cm和0.2cm，将数据存放在一个numpy数组中

import numpy as np
X_new=np.array([[5,2.9,1,0.2]])

将这朵花的测量数据转化为二维的numpy数组中的一行，因为scikit-learn的输入数据必须是二维数组
接下来调用knn对象的predict方法进行预测

prediction=knn.predict(X_new)
print("Preiction: {}".format(prediction))
print("Predicted target name : {}".format(iris_dataset['target_names'][prediction]))

根据模型预测，这朵花属于setosa品种。但是这个模型是否准确可靠我们并不清楚

评估模型

通过对测试数据中的每朵鸢尾花进行预测，并将预测结果与标签进行对比，通过计算精度（品种预测正确的花所占的比例）来衡量模型的好坏

y_pred=knn.predict(X_test)
print(np.mean(y_pred==y_test))

对于这个模型来说，测试集的精确度约为0.97，即有97%的准确率，模型足够可信，之前的预测结果也就相当可靠 了