Python人工智能算法笔记（慕课刘经纬老师人工智能）

1.回归分析

import numpy as np
t = np.arange(1,20,1)
y = 0.9 * t + np.sin(t)
import matplotlib.pyplot as plt
%matplotlib inline
plt.plot(t,y,"1")

model = np.polyfit(x,y,1)
x2 = np.arange(0,20,0.5)
y2 = np.polyval(model,x2)
plt.plot(x,y,'.',x2,y2,'^')

2.K-NN算法分类

由于需要数据，我看的是慕课老师的课，没有数据，我们可以用python生成一些随机数据供测试。python操作excel表格我也是刚去哔哩哔哩看来的，这里可能有些方法比较笨，但是为了节约时间不花太多时间就懒得去查一些简单的方法了。

注意，在执行代码之前，我已经创建过一个classify.xlsx文件，就在当前目录下，然后也将下面那个sheet名称设置成为classify,上图所示
from openpyxl import load_workbook
import random
wb = load_workbook("classify.xlsx")

sheet = wb["classify"]
sheet["A1"] = "id"
sheet["B1"] = "yingyu"
sheet["C1"] = "yuwen"
sheet["D1"] = "shuxue"
sheet["E1"] = "identity"
count = 1
for cell in sheet["A2:A101"]:
    cell[0].value = count
    count = count + 1
for cell in sheet["B2:B101"]:
    cell[0].value = random.randrange(60,101,1)
for cell in sheet["C2:C101"]:
    cell[0].value = random.randrange(60,101,1)
for cell in sheet["D2:D101"]:
    cell[0].value = random.randrange(60,101,1)
sheet["E1"] = 'classify'
for row in sheet.iter_rows(min_row=2,max_row=101):
    str1 = row[1].value
    str2 = row[2].value
    str3 = row[3].value
    avg_yw_yx = (int(str1) + int(str2)) / 2
    sx = int(str2)
    if avg_yw_yx > sx:
        row[4].value = 1
    else:
        row[4].value = 2
wb.save("classify.xlsx")

这里我的策略是算出语文英语的平均分，和数学比较，数学高就是2，否则就是1.（与老师的略有不同，不过我们的目的是为了分类，这样也能达到测试目的）（剧透一下，这样分类出来的准确率达到了0.95.。

import os
thisFilePath = os.path.abspath('.')
os.chdir(thisFilePath)

第一步，将工作路路径设置为当前

import pandas as pd
df = pd.read_csv('classify.csv')
# print(df.head())
train_x = df.iloc[0:80,1:4]
train_y = df.iloc[0:80,4]
# print(train_x.head())

第二步，熊猫包，读取csv

然后读取出训练集合。

from sklearn import neighbors
model = neighbors.KNeighborsClassifier()
model.fit(train_x,train_y)

第三步，就是训练出一个模型，这个模型叫做model

然后测试输入集合，作为输入，给这个模型，然后这个模型给出预测输出

test_x = df.iloc[80:100,1:4].values
# print(test_x)
test_y = df.iloc[80:100,4].values

test_p = model.predict(test_x)

只有一个是不对的。