首页 > 分享 > Python与机器学习实战：KNN算法应用于鸢尾花分类

Python与机器学习实战：KNN算法应用于鸢尾花分类

花匠小妙招
2025-02-17 15:02

本实验介绍了使⽤Python进⾏机器学习的⼀些基本概念。在本案例中，将使⽤K-Nearest Neighbor（KNN）算法对鸢尾花的种类进⾏分类，并测量花的特征。

1. 数据集介绍

Iris数据集是常⽤的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是⼀类多重变量分析的数据集。关于数据集的具体介绍：
在这里插入图片描述

2 scikit-learn中数据集介绍

2.1 scikit-learn数据集API介绍 sklearn.datasets
加载获取流⾏数据集
datasets.load_()
-------获取⼩规模数据集，数据包含在datasets⾥
datasets.fetch_(data_home=None)
-------获取⼤规模数据集，需要从⽹络上下载，函数的第⼀个参数是data_home，表示数据集下载的⽬录,默认是 ~/scikit_learn_data/ 2.1.1 sklearn⼩数据集 sklearn.datasets.load_iris() # 加载并返回鸢尾花数据集
在这里插入图片描述

2.1.2 sklearn⼤数据集 sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’)
subset：‘train’或者’test’，‘all’，可选，选择要加载的数据集。
训练集的“训练”，测试集的“测试”，两者的“全部 2.2 sklearn数据集返回值介绍 load和fetch返回的数据类型datasets.base.Bunch(字典格式)
data：特征数据数组，是 [n_samples * n_features] 的⼆维 numpy.ndarray 数组
target：标签数组，是 n_samples 的⼀维 numpy.ndarray 数组
DESCR：数据描述
feature_names：特征名,新闻数据，⼿写数字、回归数据集没有 t
arget_names：标签名

from sklearn.datasets import load_iris # 获取鸢尾花数据集 iris = load_iris() print("鸢尾花数据集的返回值：n", iris) # 返回值是⼀个继承⾃字典的Bench print("鸢尾花的特征值:n", iris["data"]) print("鸢尾花的⽬标值：n", iris.target) print("鸢尾花特征的名字：n", iris.feature_names) print("鸢尾花⽬标值的名字：n", iris.target_names) print("鸢尾花的描述：n", iris.DESCR) 12345678910 2.3 查看数据分布

通过创建⼀些图，以查看不同类别是如何通过特征来区分的。在理想情况下，标签类将由⼀个或多个特征对完美分隔。在现实世界中，这种理想情况很少会发⽣。

seaborn介绍

Seaborn 是基于 Matplotlib 核⼼库进⾏了更⾼级的 API 封装，可以让你轻松地画出更漂亮的图形。⽽ Seaborn 的漂亮主要体现在配⾊更加舒服、以及图形元素的样式更加细腻。安装 pip3 install seabornseaborn.lmplot() 是⼀个⾮常有⽤的⽅法，它会在绘制⼆维散点图时，⾃动完成回归拟合
—sns.lmplot() ⾥的 x, y 分别代表横纵坐标的列名,
----data= 是关联到数据集,
---- hue=*代表按照 species即花的类别分类显示,
---- fit_reg=是否进⾏线性拟合。
点击查看 API http://seaborn.pydata.org/

%matplotlib inline # 内嵌绘图 import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # 把数据转换成dataframe的格式 iris_d = pd.DataFrame(iris['data'], columns = ['Sepal_Length', 'Sepal_Width', 'Petal_Length', 'Petal_Width']) iris_d['Species'] = iris.target def plot_iris(iris, col1, col2): sns.lmplot(x = col1, y = col2, data = iris, hue = "Species", fit_reg = False) plt.xlabel(col1) plt.ylabel(col2) plt.title('鸢尾花种类分布图') plt.show() plot_iris(iris_d, 'Petal_Width', 'Sepal_Length') 123456789101112131415

在这里插入图片描述

2.4 数据集的划分

机器学习⼀般的数据集会划分为两个部分：

训练数据：⽤于训练，构建模型测试数据：在模型检验时使⽤，⽤于评估模型是否有效

划分⽐例：

训练集：70% 80% 75%测试集：30% 20% 25%

数据集划分api
sklearn.model_selection.train_test_split(arrays, *options)

参数
x 数据集的特征值
y 数据集的标签值
test_size 测试集的⼤⼩，⼀般为float
random_state 随机数种⼦,不同的种⼦会造成不同的随机采样结果。相同的种⼦采样结果相同。returnx_train,
x_test, y_train, y_test

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split # 1、获取鸢尾花数据集 iris = load_iris() # 对鸢尾花数据集进⾏分割 # 训练集的特征值x_train 测试集的特征值x_test 训练集的⽬标值y_train 测试集的⽬标值y_test x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22) print("x_train:n", x_train.shape) # 随机数种⼦ x_train1, x_test1, y_train1, y_test1 = train_test_split(iris.data, iris.target, random_state=6) x_train2, x_test2, y_train2, y_test2 = train_test_split(iris.data, iris.target, random_state=6) print("如果随机数种⼦不⼀致：n", x_train == x_train1) print("如果随机数种⼦⼀致：n", x_train1 == x_train2) 12345678910111213