fanfan4569 于 2018-08-20 11:18:10 发布
本文详细介绍了K-近邻(KNN)分类算法在丁香花数据集上的应用。首先，加载数据并使用Pandas进行数据预处理，接着进行数据划分，将数据集分为训练集和测试集。然后，利用sklearn库的KNN模型进行训练，探讨了不同K值对模型性能的影响。最后，通过计算准确率选择最优的K值，以提高模型预测的准确性。 一、步骤
（1）加载数据集本次使用的数据集为丁香花数据集course-9-syringa.csv，丁香花数据集包含 daphne，syringa 和 willow 等 3 个种类，即标签（labels），其中每个种类包含 150 条数据，每条数据包含 4 个特征值：花萼长度，花萼宽度，花瓣长度，花瓣宽度。利用 Pandas 将其导入成 DataFrame 格式。
# 下载数据集 !wget http://labfile.oss.aliyuncs.com/courses/1081/course-9-syringa.csv12
"""加载数据集 """ import pandas as pd lilac_data = pd.read_csv('course-9-syringa.csv') lilac_data.head() # 预览前 5 行123456 
为了使我们对数据更加了解，同样我们用 plt 将各个数据的特征绘制出来。由于丁香花数据集有 4 个特征值，在二维空间中无法直接表示，所以只有采用特征组合的方式绘画特征分布图。下面将 4 个特征，进行两两组合得到 6 种情况，并采用子图的方式进行绘制。
from matplotlib import pyplot as plt """绘制丁香花特征子图 """ fig, axes = plt.subplots(2, 3, figsize=(20, 10)) # 构建生成 2*3 的画布，2 行 3 列 fig.subplots_adjust(hspace=0.3, wspace=0.2) # 定义每个画布内的行间隔和高间隔 axes[0, 0].set_xlabel("sepal_length") # 定义 x 轴坐标值 axes[0, 0].set_ylabel("sepal_width") # 定义 y 轴坐标值 axes[0, 0].scatter(lilac_data.sepal_length[:50], lilac_data.sepal_width[:50], c="b") axes[0, 0].scatter(lilac_data.sepal_length[50:100], lilac_data.sepa1234567891011
