第一个应用：鸢尾花分类
需要的几个python库
scikit-learn：两个 Python 包：NumPy 和 SciPy。NumPy包括多维数组、高级数学函数（比如线性代数运算和傅里叶变换），以及伪随机数生成器。 SciPy具有线性代数高级程序、数学函数优化、信号处理、特殊数学函数和统计分布等多项功能。
numpy
scipy
matplotlib：画图必备。绘图和进行交互式开发。
matplotlib
pandas：基于一种叫作 DataFrame 的数据结构，这种数据结构模仿了 R 语言中的 DataFrame。类似于 Excel 表格。pandas 中包含大量用于修改表格和操作表格的方法，尤其是可以像 SQL 一样对表格进行查询和连接。
pandas
数据集部分：组中包含 150 朵不同的花的测量数据，但花种类就三种setosa，versicolor，virginica（词语很专业，不用特别查阅）数。每朵鸢尾花的一些测量数据（即特征）：花瓣petal的长度和宽度以及花萼sepal的长度和宽度，所有测量结果的单位都是厘米。可以调用 load_iris 函数来加载数据，这是默认数据集，不需要额外导入，可以尝试打印前5个看看效果。
feature和种类
打印前5个看看
数据都ok了，接下来，我们要做3件事情。1.把数据分为训练集和测试集。为什么这么分？要用训练集来调整我们的算法模型是否ok，然后把模型放在测试集看看是否work？ 2如何分类我们无需自己造轮子，选取一个已经有的经典模型，模型的选取有很多讲究，这里先不展开，具体可以看周志华的书。3验证一下我们选取的模型在测试的效果怎么样。下面先看第一步，分train和test。主要是红色框的split，下面是打印出结果集
train和test
第二步要选择模型，这里选择默认的knn，knn的具体定义可以参考各大搜索引擎。简单的说，把要比较的feature和最像（最像由距离决定，距离由向量决定，最像由阈值决定）的结果挑出来，最像的什么类型，你就是什么类型。近朱者赤近墨者黑的意思。
sklearn中的knn算法
第三步测试一下方法怎么样。我们用knn在训练集把方法训练好后，就把模型带到测试去看看准不准。医生带学生识别如何分辨病症，然后带两个病人要学生看看准不准。病人这里就是测试集。
输入了测试集，发现鸢尾花的setosa种类
测试一个不行，要把所有的测试集都输入模型中看看准度。如何验证准度呢？原来100%的数据中，划分了75做训练集。然后剩下的25做测试集把名字去掉，和模型算出来的名字对比。一样的就算对了，不一样的就算错了。
mean和score两个方法都可以算对比准度
结果显示准度是97%。结果集的准度可以优化，和哪些有关呢？
1.训练集和测试集的划分
2.模型的优化，knn、贝叶斯等
3.调整模型，如knn要计算多少个邻居才算准。
网友评论