KNN算法预测鸢尾花种类

        学习机器学习的盆友建议首先使用这个算法来练习，因为KNN算法，即K-Nearest Neighbour，K近邻算法，可能是最简单的机器学习算法了。而用到的数据集就是机器学习中最著名的“鸢尾花”数据集，集成在sklearn.datasets中。上码：

#-*- coding:utf-8 -*-

from sklearn.datasets import load_iris

iris=load_iris()

print(iris.data.shape)

print(iris.DESCR)

先导入数据，看看数据量的大小和数据集介绍。输出如下：

有150株花的数据，有四个不同的特征量。继续上码：

#-------数据集分割

from sklearn.cross_validation import train_test_split

X_train,X_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.25,random_state=33)

from sklearn.preprocessing import StandardScaler

ss=StandardScaler()

X_train=ss.fit_transform(X_train)

X_test=ss.transform(X_test)

from sklearn.neighbors import KNeighborsClassifier

KNN=KNeighborsClassifier()

KNN.fit(X_train,y_train)

y_predict=KNN.predict(X_test)

print('KNN算法的精确率为：',KNN.score(X_test,y_test))

from sklearn.metrics import classification_report

xnfx=classification_report(y_test,y_predict,target_names=iris.target_names)

print(xnfx)

性能分析如下：