首页 > 分享 > 【实战教程】用scikit

【实战教程】用scikit

花匠小妙招
2024-11-14 13:07

KNN（K-Nearest Neighbors）算法是一种简单直观的监督学习算法，被广泛应用于分类和回归任务中。本文将带你一步步了解如何使用Python中的scikit-learn库实现KNN算法，并通过鸢尾花数据集来进行实战演练。让我们一起探索如何用KNN算法对鸢尾花进行分类吧！

1. 准备工作

首先，我们需要安装必要的库。如果你还没有安装scikit-learn，可以通过以下命令进行安装：

pip install scikit-learn 1

接下来，我们导入所需的库：

import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import classification_report, confusion_matrix, accuracy_score 1234567 2. 加载数据

我们将使用经典的鸢尾花数据集。这个数据集包含了三种不同类型的鸢尾花（Setosa、Versicolor和Virginica）的测量数据，每种类型有50个样本，每个样本包含四个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度。

iris = datasets.load_iris() X = iris.data y = iris.target 123 3. 数据预处理

为了让模型更好地工作，我们通常需要对数据进行标准化处理。

scaler = StandardScaler() X_scaled = scaler.fit_transform(X) 12 4. 划分数据集

我们将数据分为训练集和测试集，以便评估模型的性能。

X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.3, random_state=42) 1 5. 构建KNN模型

现在我们来构建一个KNN分类器。为了找到最佳的K值，我们可以尝试多个K值，并查看它们的表现。

k_values = list(range(1, 31)) accuracies = [] for k in k_values: knn = KNeighborsClassifier(n_neighbors=k) knn.fit(X_train, y_train) y_pred = knn.predict(X_test) accuracies.append(accuracy_score(y_test, y_pred)) 12345678 6. 选择最佳K值

我们可以绘制出不同K值下模型的准确率，以找到最佳的K值。

plt.figure(figsize=(10, 6)) plt.plot(k_values, accuracies, marker='o') plt.title('Accuracy vs. Number of Neighbors (K)') plt.xlabel('Number of Neighbors (K)') plt.ylabel('Accuracy') plt.grid(True) plt.show() 1234567 7. 模型评估

根据图表找到的最佳K值，我们重新训练模型并评估其性能。

best_k = k_values[np.argmax(accuracies)] knn_best = KNeighborsClassifier(n_neighbors=best_k) knn_best.fit(X_train, y_train) y_pred_best = knn_best.predict(X_test) print(f"Best K value: {best_k}") print("Classification Report:") print(classification_report(y_test, y_pred_best)) print("Confusion Matrix:") print(confusion_matrix(y_test, y_pred_best)) print("Accuracy Score:") print(accuracy_score(y_test, y_pred_best)) 123456789101112 8. 结论

通过本实战教程，我们不仅学会了如何使用scikit-learn库来实现KNN算法，还掌握了如何通过鸢尾花数据集进行分类任务。希望这篇教程能帮助你更好地理解和运用KNN算法！

小贴士：在选择K值时，要考虑到过拟合与欠拟合的问题。较小的K值可能会导致过拟合，而较大的K值则可能导致欠拟合。使用交叉验证可以帮助更稳健地选择K值。

如果你喜欢这篇教程，请关注我们的公众号获取更多关于机器学习的精彩内容！

希望这篇实战教程对你有所帮助！如果有任何疑问或想要了解更多细节，欢迎留言讨论。