最新版学习笔记—Python机器学习基础教程（1）Irises(鸢尾花)分类—附完整代码

开始学习机器学习基础，在此留下学习心得与自己的理解。
啥也不说，先看一下鸢尾花啥样

好看吧~~~~

1.环境搭建

python版本最好是3.6.x及以上，我这里用的是3.7.1版本
安装有机器学习库sklearn、numpy，若没有用pip安装

pip install sklearn
pip install numpy

用到的库和包

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

2.了解数据

2.1读取数据

首先，我们使用load_iris函数调用存储在scikit-learn的datasets模块中的Iris数据集。
运行代码如下：

from sklearn.datasets import load_iris
iris_data=load_iris()

• 其中，load_iris返回的是一个Bunch对象，与字典相似，里面也包键和值
• 从网站api上面爬取数据有一部分数据返回的也是Bunch对象

2.2查看数据

首先，我们先来看一下，这个数据集里面有多少个键，好为接下来处理数据做准备。
运行代码如下：

from sklearn.datasets import load_iris
iris_data =load_iris()
print(iris_data.keys())

输出结果：

dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename'])

可以看见有六个键，我们其实可以通过名字就能猜到每个键对应的值是什么。好比‘feature_names’一看就知道是特点的名字，也就是特征呗。所以有时候不需要我们每一个键都运行查看一下。
接下来，既然是学习，那么还是让我们看一下每一个键分别存储了哪些值吧
运行代码如下：

from sklearn.datasets import load_iris
iris_dataset =load_iris()
print(iris_dataset['data']\n)
print(iris_dataset['target']\n)
print(iris_dataset['target_names']\n)
print(iris_dataset['DESCR']\n)
print(iris_dataset['feature_names']\n)
print(iris_dataset['filename'])

输出如下：

[[5.1 3.5 1.4 0.2]
 .
 .
 .
 [6.2 3.4 5.4 2.3]
 [5.9 3.  5.1 1.8]]
 
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]
 
['setosa' 'versicolor' 'virginica']

DESCR的键对应的值是数据集的简要说明（这里就不显示了，太多了）

['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

D:\Python37\lib\site-packages\sklearn\datasets\data\iris.csv

从输出的数据，我们可以看出：

• data里面是花萼长度、花萼宽度、花瓣长度、花瓣宽度的测量数据，格式为NumPy数组
• target数组包含的是测量过的每朵花的品种，品种被转换为0到2的整数，格式为NumPy数组
• target_names键对应的值是一个字符串数组，里面包含我们要预测的花种
• DESCR键对应的值是数据集的简要说明
• feature_names键对应的值是一个字符串列表，对应一个特征进行了说明
• filename键对应的值是数据集的存储位置

3.分离数据

我们想要利用这些数据构建一个机器学习的模型，但是我们不能将用于构建模型的数据用于评估模型，无法告诉我们模型的泛化能力如何(也就是说，在新数据上能否正确预测)
我们将收集好的带标签的数据分成两部分，一部分用于构建机器学习模型，叫训练数据、训练集；另一部分用于评估模型性能，叫测试数据、测试集或留出集.。

在这里，用scikit-learn的model_selection模块的train_test_split函数打乱数据集并进行拆分。
这个函数将75％的行数据及对应标签作为训练集，剩下25%的数据及其标签作为测试集。

• scikit-learn中的数据通常用大写X表示，标签用小写y表示。
• 这里受到数学标准公式启发，其中x是函数的输入，y是函数的输出。
• 我们用大写的X是因为数据是一个二维矩阵，用小写y是因为目标是一维向量，这是数学中的约定

运行代码如下：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
iris_dataset =load_iris()
X_train,X_test,y_train,y_test=train_test_split(iris_dataset['data'],
	iris_dataset['target'],random_state=0)

其中，传入参数random_state指定了随机数生成器的种子。作用是每次运行这行代码，随机挑选出来的数据不再发生改变

4.构建模型（k临近算法）

scikit-learn中有许多可用的分类算法，这里我们用的是k临近分类器。

• 原理：要对一个新的数据点做出判断，算法会在训练集中寻找与这个新的数据点距离最近的数据点，然后将找到的数据点的标签赋给这个新的数据点.
• k的含义：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。

运行代码入下：

from sklearn.neighbors import KNeighborsClassifier
knn=KNeighborsClassifier(n_neighbors=1)#这里我们设置邻居的数目为1

knn对象对算法进行了封装，即包括用训练数据构建模型的算法，也包括对新数据点进行预测的算法。
想要基于训练集来构建模型，需要调用knn对象的fit()方法，传入参数为X_train和y_train,二者都是NumPy数组，前者为训练集，后者为训练集相对应的训练标签。
运行代码如下：

knn.fit(X_train,y_train)#构建模型

5.评估模型（计算测试集精度）

这里我们要用到之前分离的测试集。我们可以通过计算精度来和衡量模型的优劣。

• 这里的精度指的是品种预测正确的的花所占的比例。

5.1方法一

我们先对测试数据中的每朵花进行预测，再将预测结果与标签(已知品种)进行对比。
运行代码如下：

import numpy as np
y_pred=knn.predict(X_test)
score = np.mean(y_pred==y_test)
print("{:.2f}".format(score))

输出：

0.97

5.2方法二

直接用knn对象的score方法来计算测试集的精度。运行代码如下：

score=knn.score(X_test,y_test)
print("{:.2f}".format(score))

输出：

0.97

• 完整代码在配套资源里面
• 有不懂得地方和问题请留言
• 大家可以收藏一下以后学习可能用得到

今天的文章最新版学习笔记—Python机器学习基础教程（1）Irises(鸢尾花)分类—附完整代码分享到此就结束了，感谢您的阅读。