KNN算法实现鸢尾花分类
KNN算法实现鸢尾花分类
KNN算法是一种常用的分类算法，它的主要思想是根据样本间的距离来进行分类。本次使用KNN算法对鸢尾花数据集进行分类。
数据集介绍
鸢尾花数据集是机器学习领域中广泛使用的一个数据集，它包含三个品种的鸢尾花，分别是Setosa（山鸢尾）、Versicolor（杂色鸢尾）和Virginica（维吉尼亚鸢尾）。每个样本包含四个特征，分别是花萼长度、花萼宽度、花瓣长度和花瓣宽度。在本文中，只使用前两个特征进行分类。
数据集预处理
首先，加载鸢尾花数据集，并选取前两个特征作为输入数据：
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2] # 只选取前两个特征
y = iris.target
数据集划分
接下来，将数据集划分为训练集和测试集。使用sklearn库中的train_test_split函数来实现自动划分训练集和测试集：
from sklearn.model_selection import train_test_split
# 自动划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
其中，test_size表示测试集占总数据集的比例，random_state为随机数种子，设置相同的随机数种子可以保证多次运行结果相同。
KNN模型训练
KNN算法的原理很简单，就是根据样本间的距离来进行分类。使用sklearn库中的KNeighborsClassifier类来训练KNN模型：
from sklearn.neighbors import KNeighborsClassifier
# 训练KNN模型
k = 3
knn = KNeighborsClassifier(n_neighbors=k)
knn.fit(X_train, y_train)
其中，k表示KNN算法中的K值，n_neighbors表示KNN算法中最近邻居的个数。
KNN模型预测
KNN模型训练完成后，使用该模型对训练集和测试集进行预测：
# 预测训练集和测试集
y_train_pred = knn.predict(X_train)
y_test_pred = knn.predict(X_test)
计算准确率
完成预测后，需要计算训练集和测试集的准确率：
from sklearn.metrics import accuracy_score
# 计算训练集和测试集准确率
train_acc = accuracy_score(y_train, y_train_pred)
test_acc = accuracy_score(y_test, y_test_pred)
print('训练集准确率: %.2f%%' %(train_acc*100))
print('测试集准确率: %.2f%%' %(test_acc*100))
其中，accuracy_score函数用于计算准确率，y_train和y_test为真实标签，y_train_pred和y_test_pred为预测标签。
可视化结果
最后，使用matplotlib库绘制散点图来可视化分类结果：
# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.title('KNN classification (k=%i)' % k)
plt.show()
其中，X[:, 0]和X[:, 1]表示选取的两个特征，c=y表示按照真实标签进行颜色分类，cmap=plt.cm.Paired表示使用Paired颜色映射。
运行结果
总结
本次使用KNN算法对鸢尾花数据集进行了分类，实现了自动划分训练集和测试集、训练KNN模型、预测和计算准确率、可视化结果。KNN算法简单易懂，容易实现，但是当数据集较大时，计算距离的时间复杂度较高，需要选择合适的K值和距离计算方法来提高分类效果。