一: 环境准备:

1.导入的库:

importnumpy as npimportmatplotlib.pyplot as pltimportpandas as pdimport mglearn

2.导入数据集

from sklearn.datasets importload_iris

iris_dataset= load_iris()

二. 划分训练数据和测试数据

1. train_test_split: 将数据集打乱并进行拆分

from sklearn.model_selection importtrain_test_split

X_train, X_test, y_train, y_test=train_test_split(

iris_dataset['data'], iris_dataset['target'], random_state=0)

其中,random_state=0,表示每次调用train_test_split返回的输出都是不变的,即随机数生成器的种子是相同的.

生成的

2.scatter_matrix: 使用pandas绘制散点图矩阵(即取出两行,一行的元素作为横坐标,一行的元素作为纵坐标)

iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)　　#columns设置索引

grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(15,15),

marker='o', hist_kwds={'bins':20}, s=60, alpha=.8, cmap=mglearn.cm3)

参数解释: frame：数据的dataframe,本例为4*150的矩阵; c是颜色,本例中按照y_train的不同来分配不同的颜色; figsize设置图片的尺寸; marker是散点的形状,'o'是圆形,'*'是星形 ; hist_kwds是直方图的相关参数,{'bins':20}是生成包含20个长条的直方图;

s是大图的尺寸 ; alpha是图的透明度; cmap是colourmap,就是颜色板

三 k近邻算法

1.原理: 将新数据点放到训练集中,找出训练集中与新数据点直线距离最近的若干个点,然后找出这若干个点属于哪个类别的点最多,就将训练集视为哪个类别.

2.使用方法

2.1.scikit-learn中所有的机器学习模型都在各自的类中实现,这些类被称为Estimator类。k近邻分类算法是在neighbors模块的KNeighborsClassifier类中实现。

from sklearn.neighbors import KNeighborsClassifier

2.2.使用k近邻首先需要将KNeighborsClassifier实例化成一个对象.

knn = KNeighborsClassifier(n_neighbors=1)

knn对象可以用训练数据重新训练,也可以对新数据点进行预测,也可以从训练数据中提取信息.

2.3 基于训练集构建模型

调用knn对象的fit方法,输入参数X_train和y_train

In: knn.fit(X_train,y_train)

Out: KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',

metric_params=None, n_jobs=None, n_neighbors=1, p=2,

weights='uniform')

2.4 做出预测

2.4.1 构建numpy数组(scikit-learn输入的数据必须是二维数组)

X_new = np.array([[5,2.9,1,0.2]])print(X_new.shape)

2.4.2 调用predict函数

prediction =knn.predict(X_new)print(prediction)print(iris_dataset['target_names'][prediction])

2.5 评估模型

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

print(knn.score(X_test,y_test))

---摘录自python机器学习基础教程