KNeighbors

KNN对生物物种进行分类

数据描述

使用 Iris 数据集。
获取数据：

# 从 sklearn.datasets 里导入 iris 数据加载器
from sklearn.datasets import load_iris

# 使用加载器读取数据并存入变量 iris
iris = load_iris()

# 查验数据规模
iris.data.shape

# 查看数据说明
print iris.DESCR

由输出可知：

• Iris 数据集中共150朵鸢尾花数据样本；
• 均匀分布在3个不同的亚种；
• 每个数据样本被4个不同的花瓣、花萼形状等特征所描述。

准备训练集、测试集

# 从 sklearn.cross_validation 里选择导入 train_test_split 用于数据分割
from sklearn.cross_validation import train_test_split
# 从使用 train_test_split，利用随机种子 random_state 采样 25% 的数据用作测试集
X_train, X_test, y_train, y_test = train_test_split(irsi.data, iris.target, test_size=0.25, random_state=33)

使用KNN进行类别预测

# 从 sklearn.preprocessing 里选择导入数据标准化模块
from sklearn.preprocessing import StandardScaler
# 从 sklearn.neighbors 里选择导入KNneiborsClassifier，即 K近邻分类器
from sklearn.neighbors import KNneiborsClassifier

# 对训练和测试的特征数据进行标准化
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

# 使用 K近邻分类器对测试数据进行类别预测，预测结果储存在变量 y_predict 中
knc = KNneighborsClassifier()
knc.fit(X_train, y_train)
y_predict = knc.precit(X_test)

性能评估

# 使用模型自带的评估函数进行准确性测评
print 'The accuracy of K-Nearest Classifier is', knc.score(X_test, y_test)

# 使用 sklearn.metrics 里面的 classification_report 模块对预测结果做更加详细的分析
from sklearn.metrics import classification_report
print classification_report(y_test, y_predict, target_names = iris.target_names)