鸢尾花的分类实例是一个非常经典的例子。我们首先从数据集的结构特点来开始。
1.数据集的加载
# 从sklearn.datasets 导入 iris数据加载器。
from sklearn.datasets import load_iris
# 使用加载器读取数据并且存入变量iris。
iris = load_iris()
# 查验数据规模。
#如果想要在pycharm这类的编辑器里面显示，加上print函数即可
iris.data.shape
2.数据集的描述
print iris.DESCR
简单说明：这个数据集一共有150个样本，分成三类。四个特征：
- sepal length in cm
- sepal width in cm
- petal length in cm
- petal width in cm
单位均统一为cm，
Data Set Characteristics:
:Number of Instances: 150 (50 in each of three classes)
:Number of Attributes: 4 numeric, predictive attributes and the class
:Attribute Information:
- sepal length in cm
- sepal width in cm
- petal length in cm
- petal width in cm
- class:
- Iris-Setosa
- Iris-Versicolour
- Iris-Virginica
:Summary Statistics:
============== ==== ==== ======= ===== ====================
Min Max Mean SD Class Correlation
============== ==== ==== ======= ===== ====================
sepal length: 4.3 7.9 5.84 0.83 0.7826
sepal width: 2.0 4.4 3.05 0.43 -0.4194
petal length: 1.0 6.9 3.76 1.76 0.9490 (high!)
petal width: 0.1 2.5 1.20 0.76 0.9565 (high!)
============== ==== ==== ======= ===== ====================
:Missing Attribute Values: None
:Class Distribution: 33.3% for each of 3 classes.
:Creator: R.A. Fisher
:Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)
:Date: July, 1988
3.数据集分割
获得了数据，就可以开始我们的”机器学习“了~
首先，按照老样子，我们先对数据集进行切割。
按照3：1的比例来切割训练集以及测试集，当然也可以加入验证集，但是由于我们数量较少，就没有再设立验证集了。
# 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%的数据作为测试集。
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.25, random_state=33)
4.使用KNN对数据进行训练
# 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KNeighborsClassifier，即K近邻分类器。
from sklearn.neighbors import KNeighborsClassifier
# 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 = KNeighborsClassifier()
knc.fit(X_train, y_train)
y_predict = knc.predict(X_test)
由于我们这里做的是对于算法的应用实例，就没有再自己去实现KNN算法来对数据进行训练了。我非常推荐大家按照算法的描述自己实现每一个机器学习算法，但是在实际的开发中或者使用中，我们一般都使用成熟的封装好的package,后续有空，我会在机器学习的算法原理博客中更新自己对于算法的自己实现。
5.性能评测
这里我们常用常使用的准确率，召回率，精确率，以及F1指标来判定。
- 首先可以直接用模型自带的knc.score来看看准确率
# 使用模型自带的评估函数进行准确性测评。
print 'The accuracy of K-Nearest Neighbor Classifier is', knc.score(X_test, y_test)
打印的结果：
The accuracy of K-Nearest Neighbor Classifier is 0.894736842105
- 然后用更加详细的分析模型代码
#使用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)
输出结果：
precision recall f1-score support
setosa 1.00 1.00 1.00 8
versicolor 0.73 1.00 0.85 11
virginica 1.00 0.79 0.88 19
avg / total 0.92 0.89 0.90 38
#说明：平均准确率 0.92，召回率0.89，F1指标0.9
6.总结
虽然整个过程很简单，但是我们需要明白的理解的点很多，包括数据集的获取，分割，以及对于相应算法的使用。虽然我们在代码的实现中，隐藏了很多原理性的东西。这有助于我们的快速开发，但是我认为任何一名机器学习或者数据科学从业者，若是从事技术相关的工作和研究，对于原理的掌握还是必不可少的。
后续，待更新完算法的基本原理讲述以及实例应用，笔者将尽快的对每个算法提交自己实现的python算法,之前在人工智能和模式识别的课程上写过一些关于算法的代码，但是都是c++的形式，个人认为链表的表达方式特别是树结构特别麻烦，因此之后待更新为python的形式再上传，预计会在算法的原理博文中更新，敬请关注~
希望每个能够看到博文的有缘人都自己尝试去做一些这样的实现。
转载：https://blog.csdn.net/xiaotang_sama/article/details/101702800