使用scikit-learn构建模型（二）数据集准备及划分

准备数据

图片.png

引入包

import pandas as pd
import numpy as np

加载数据

iris_data = pd.read_csv('iris.csv')

获取特征

X = iris_data[['sepal_length', 'sepal_width', 'petal_length', 'petal_width']].values
print(X.shape)

(150, 4)

获取标签

y = iris_data['label'].values
print(y)

输出

[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 3 3 3 3 3 3 3 3 3 3 3
 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
 3 3]

划分数据集

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/4, random_state=10)

print('原数据集的样本个数：', X.shape[0])
print('训练集的样本个数：', X_train.shape[0])
print('测试集的样本个数：', X_test.shape[0])

原数据集的样本个数： 150
训练集的样本个数： 112
测试集的样本个数： 38

选择模型,选择K近邻距离算法

from sklearn.neighbors import KNeighborsClassifier
knn_model = KNeighborsClassifier()

训练模型

knn_model.fit(X_train, y_train)

测试模型

在测试集上测试模型

y_pred = knn_model.predict(X_test)

print('真实值：', y_test)
print('预测值：', y_pred)

输出结果

真实值： [2 3 1 2 1 2 2 2 1 2 2 3 2 1 1 3 2 1 1 1 3 3 3 1 2 1 2 2 2 3 2 2 3 3 3 1 3
 3]
预测值： [2 3 1 2 1 2 3 2 1 2 2 3 2 1 1 3 2 1 1 1 3 3 3 1 2 1 2 2 2 3 2 2 3 3 3 1 3
 3]

模型准确率

from sklearn.metrics import accuracy_score
acc = accuracy_score(y_test, y_pred)
print('准确率：', acc)

输出结果

准确率： 0.9736842105263158