python机器学习：KNN算法

1.Iris数据集介绍

Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。

2.实验总要求：

利用scikit-learn库中的KNeighborsClassifier分类算法，对iris数据的 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度进行分类测试，并给出准确率。

实验过程：

1.利用pandas将iris数据导入到dataframe

import pandas as pd
import numpy as np
dataframe = pd.read_csv("iris.data.txt",
                       header=None,names=["花萼长度","花萼宽度","花瓣长度","花瓣宽度","花类品质"])
Dataframe

2.对iris数据集4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度数据归一化处理

import numpy as np
max_min_scaler = lambda x : (x-np.min(x))/(np.max(x)-np.min(x))
scaler_data = dataframe[['花萼长度','花萼宽度','花瓣长度','花瓣宽度']].apply(max_min_scaler)

scaler_data['花类品质'] = dataframe['花类品质']
scaler_data.head()

3. 使用numpy或dataframe的切片将数据切分为训练集和测试集，第一类0:40，第二类50-90，第三类100-140为训练集，其余数据为测试集

train_data1 = scaler_data.iloc[0:40]
train_data2 = scaler_data.iloc[50:90]
train_data3 = scaler_data.iloc[100:140]
train_data=pd.concat([train_data1,train_data2,train_data3],ignore_index=True)
test_data1 = scaler_data.iloc[40:50]
test_data2 = scaler_data.iloc[90:100]
test_data3 = scaler_data.iloc[140:150]
test_data=pd.concat([test_data1,test_data2,test_data3],ignore_index=True)
print(train_data,test_data)

4.使用KNeighborsClassifier分类算法预测iris测试集

X = train_data[['花萼长度','花萼宽度','花瓣长度','花瓣宽度']]
y = train_data[["花类品质"]]
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=10)
neigh.fit(X, y)
y_predict = neigh.predict(test_data[['花萼长度','花萼宽度','花瓣长度','花瓣宽度']])
y_predict

5.准确率统计：将预测的类别信息与数据集的species类别进行比对，并分析分类是否有效

from sklearn.metrics import accuracy_score
accuracy_score(y_predict, test_data[["花类品质"]])