【机器学习】典型例子-鸢尾花分类（Scikit-Learn）_写代码,1. 使用机器学习中的三种算法进行鸢尾花数据集或者帕尔默企鹅数据集的分类

一、获取数据集

用Scikit-Learn自带的鸢尾花数据集。

from sklearn.datasets import load_iris
iris_dataset = load_iris()
1
2

二、检查数据

该数据集其实是已经经过多次检验过的经典的数据集，并不需要检查数据这个步骤。但是我们还是按照一般步骤来，假装我们不知道该数据集里是否有异常值和特殊值，此时，就可以将数据可视化。一种可视化的方法是绘制散点图矩阵，数据散点图矩阵将一个特征作为x轴，另一个特征作为y轴，两两查看所有特征。输入以下代码即可绘制散点图矩阵：

%matplotlib inline
import numpy as np
import pandas as pd
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)
iris_dataframe = pd.DataFrame(X_train,columns=iris_dataset.feature_names)
grr = pd.scatter_matrix(iris_dataframe,c=y_train,marker='o',figsize=(10,10),hist_kwds={'bins':20},s=60,alpha=0.8,cmap='viridis')
1
2
3
4
5
6
7

运行结果如下：

由图可知，利用花瓣和花萼的测量数据基本可以将三个类别区分开，这说明机器学习模型很可能可以学会区分它们。

三、构建训练模型

这里我们选择k近邻分类模型，k近邻算法中k的含义是，我们可以考虑训练集中与新数据点最近的任意k个邻居，而不是只考虑最近的那一个。输入以下代码就可以对数据进行训练了：

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)
1
2

四、进行训练、预测并评估

之前我们已经将数据分为训练集和测试集了，训练集用于模型训练，而测试集用于模型评估，以精度来衡量模型的优劣，即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，计算品种预测正确的花所占的比例。代码如下：

knn.fit(X_train,y_train)
y_pred = knn.predict(X_test)
print('Test set score:\n{}'.format(np.mean(y_pred == y_test)))
1
2
3

结果如下：

可以看到，精度为97.4%