一.前言

1.1 本文原理

KNN算法：通过在整个训练集中搜索k个最相似的实例（邻居）并汇总这些k个实例的输出变量来预测新的数据点。它可以用于分类和回归，是一种监督学习算法。
混淆矩阵：至少有m*m的表。前m行和m列的条目CMJ表示分类器标记为J的类I元组数。

1.2 本文目的

1. 使用scikit-learn的数据归一化函数，对鸢尾花数据进行归一化；
2. 使用scikit-learn的切分数据集函数，将鸢尾花数据切分为训练数据集和测试数据集；
3. 使用scikit-learn的KNN算法，对鸢尾花进行分类训练和测试（即预测）；
4. 使用scikit-learn的混淆矩阵函数，显示性能评估的混淆矩阵以及准确率，并分析混淆矩阵的内容；

二.实验过程

2.1 使用scikit-learn的数据归一化函数，对鸢尾花数据进行归一化；

老规矩，先使用load_iris模块，里面有150组鸢尾花特征数据，我们可以拿来进行学习特征分类。
如下代码：

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

1
2
3
4
5

引入混淆矩阵confusion_matrix函数，评估方法函数accuracy_score，数据预处理函数模块preprocessing如下：

from sklearn.metrics import confusion_matrix,accuracy_score,recall_score,precision_score
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
1
2
3

数据预处理：按列归一化

iris_X=preprocessing.scale(X)
1

输出归一化结果如下：

print(iris_X)
1

2.2 使用scikit-learn的切分数据集函数，将鸢尾花数据切分为训练数据集和测试数据集；

随机划分训练集和测试集切分数据集函数如下：

X_train,X_test,y_train,y_test =train_test_split(iris_X,y,test_size=0.3,random_state=0)
1

功能是从样本中随机的按比例选取train_data和test_data
我们输出来看一下：

print(X_train)
print(X_test)
print(y_train)
print(y_test)
1
2
3
4

2.3使用scikit-learn的KNN算法，对鸢尾花进行分类训练和测试（即预测）；

KNN分类模型如下：
引入k近邻算法模块：

from sklearn import neighbors
1

KNeighborsClassifier用于实现k近邻投票算法的分类器如下：

model=neighbors.KNeighborsClassifier(n_neighbors=3)
1

查询使用的邻居数。就是k-NN的k的值，选取最近的k个点。这里选择最近的3个点。

模型训练如下：

model.fit(X_train,y_train)
1

模型预测如下：

v_pred=model.predict(X_test)
1

输出鸢尾花特征分类结果如下：

print(v_pred)
1

2.4 使用scikit-learn的混淆矩阵函数，显示性能评估的混淆矩阵以及准确率，并分析混淆矩阵的内容；

使用混淆矩阵confusion_matrix：

confusion_matrix(y_test,v_pred)

输出混淆矩阵：

print(confusion_matrix(y_test,v_pred))
1

输出准确率：

print("准确率：%.3f"% accuracy_score(y_test,v_pred))
1

结果如下：

2.5 分析混淆矩阵的内容以及总结

sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
y_true: 是样本真实分类结果 y_pred: 是样本预测分类结果 labels：是所给出的类别，通过这个可对类别进行选择 sample_weight : 样本权重
预测正确的结果占总样本的百分比的97.8，本次KNN算法对鸢尾花进行分类训练和测试效果非常的准确。
总结：
1.熟悉机器学习之KNN算法及性能评估方法
2.使用KNN算法解决问题并做性能评估