标签：KNN Iris pandas irs dataset test 数据 scatter

利用鸢尾花数据集完成一个简单的机器学习应用~万丈高楼平地起，虽然很基础，但是还是跟着书敲了一遍代码。

一、模型构建流程

1、获取数据

• 本次实验的Iris数据集来自skicit-learn的datasets模块

from sklearn.datasets import load_iris
iris_dataset = load_iris()

• 查看一下数据：
  

• 可以发现iris_dataset类似一个字典，里面包含键和值，其中键值对包括数据的简介（DESC）、标签值（target）、数据样本（data），标签名（target name）等

2、数据预处理

• 本次使用的数据无需预处理，已经处理好了，目标值也被表示为0,1,2的数字标签，data和target都是ndarray数组。

3、特征工程

• 本次数据还比较简单，特征也少，无需特征选择，
  • 这里利用pandas的scatter.metrix将数据进行可视化一下，进行观察各个特征之间的关系,
    在此之前先划分一下训练集和测试集

#划分训练集，测试集
X_train,X_test,y_trian,y_test = train_test_split(irs_dataset['data'],irs_dataset['target'],random_state = 0)

#利用pd，画散点图，观察数据是否有异常值
irs_dataframe = pd.DataFrame(X_train,columns=irs_dataset.feature_names)
grr = pd.plotting.scatter_matrix(irs_dataframe,c=y_trian,figsize=(8,8),marker='o',
                                hist_kwds={'bins':20},s=60,alpha=.8)

4、（机器学习）构建模型

• 考虑到这个数据特点，这里使用KNN算法

• KNN：在判断一个数据X的标签时，会计算距离它与其他所有样本x1,x2,x3,...,的距离，选择距离它最近的k个样本的标签值，作为该数据X的标签值。

#建立模型：KNN算法

knn = KNeighborsClassifier(n_neighbors=2)  #把k值设为2
knn.fit(X_train, y_trian) #基于训练集构建模型，两个参数都是Numpy 数组

5、模型评估

• 怎么知道该模型在预测新数据时的有效性呢？有很多评估指标，比如说精确率、召回率...

• 这里使用精确率：正确预测列别的数据，占所有数据的比例

#评估模型
y_pred = knn.predict(X_test)
print(y_pred)
print("precision={:.2f}".format(np.mean(y_pred==y_test)))
print(knn.score(X_test, y_test))

二、遇到的问题

• 按照书上所写使用pandas的scatter.metrix画散点图做相关性分析时遇到’module ‘pandas’ has no attribute ‘scatter_matrix’'这个问题

• 解决方法：

• 现在的pandas的scatter_matrix用法已经发生变化了,在使用时需要加上plotting，即：pandas.plotting.scatter_matrix

三、参考文献

《python机器学习基础教程》--【德】Adreas C.Muller

标签：KNN,Iris,pandas,irs,dataset,test,数据,scatter
来源： https://www.cnblogs.com/caolanying/p/16125316.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。