1.分类分析
分类（Classification）指的是从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类的分析方法。
分类问题的应用场景：分类问题是用于将事物打上一个标签，通常结果为离散值。例如判断一副图片上的动物是一只猫还是一只狗，分类通常是建立在回归之上。
本文主要讲基本的分类方法 ----- KNN最邻近分类算法
KNN最邻近分类算法 ，简称KNN，最简单的机器学习算法之一。
核心逻辑：在距离空间里，如果一个样本的最接近的K个邻居里，绝大多数属于某个类别，则该样本也属于这个类别。
2. KNN最邻近分类的python实现方法
最邻近分类的python实现方法
在距离空间里，如果一个样本的最接近的k个邻居里，绝大多数属于某个类别，则该样本也属于这个类别
电影分类 / 植物分类
2.1电影分类
import numpy as np import pandas as pd import matplotlib.pyplot as plt % matplotlib inline
# 案例一：电影数据分类 from sklearn import neighbors # 导入KNN分类模块 import warnings warnings.filterwarnings(\'ignore\') # 不发出警告 data = pd.DataFrame({\'name\':[\'北京遇上西雅图\',\'喜欢你\',\'疯狂动物城\',\'战狼2\',\'力王\',\'敢死队\'], \'fight\':[3,2,1,101,99,98], \'kiss\':[104,100,81,10,5,2], \'type\':[\'Romance\',\'Romance\',\'Romance\',\'Action\',\'Action\',\'Action\']}) print(data) print(\'-------\') # 创建数据 plt.scatter(data[data[\'type\'] == \'Romance\'][\'fight\'], data[data[\'type\'] == \'Romance\'][\'kiss\'], color = \'r\',marker = \'o\',label = \'Romance\') plt.scatter(data[data[\'type\'] == \'Action\'][\'fight\'],data[data[\'type\'] == \'Action\'][\'kiss\'],color = \'g\',marker = \'o\',label = \'Action\') plt.grid() plt.legend()
data[data[\'type\'] == \'Romance\'][\'fight\'] # 3 2 1
data[data[\'type\'] == \'Romance\'][\'kiss\'] #104 100 81
knn = neighbors.KNeighborsClassifier() # 取得knn分类器 knn.fit(data[[\'fight\',\'kiss\']], data[\'type\'])
print(\'预测电影类型为:\', knn.predict([18, 90])) # 加载数据，构建KNN分类模型 # 预测未知数据
plt.scatter(18,90,color = \'r\',marker = \'x\',label = \'Romance\') plt.ylabel(\'kiss\') plt.xlabel(\'fight\') plt.text(18,90,\'《你的名字》\',color = \'r\') # 绘制图表
data2 = pd.DataFrame(np.random.randn(100, 2)*50, columns = [\'fight\', \'kiss\']) data2[\'typetest\'] = knn.predict(data2) plt.scatter(data[data[\'type\'] == \'Romance\'][\'fight\'],data[data[\'type\'] == \'Romance\'][\'kiss\'],color = \'r\',marker = \'o\',label = \'Romance\') plt.scatter(data[data[\'type\'] == \'Action\'][\'fight\'],data[data[\'type\'] == \'Action\'][\'kiss\'],color = \'g\',marker = \'o\',label = \'Action\') plt.grid() plt.legend() #做一个可视化 plt.scatter(data2[data2[\'typetest\'] == \'Romance\'][\'fight\'],data2[data2[\'typetest\'] == \'Romance\'][\'kiss\'],color = \'r\',marker = \'x\',label = \'Romance\') plt.scatter(data2[data2[\'typetest\'] == \'Action\'][\'fight\'],data2[data2[\'typetest\'] == \'Action\'][\'kiss\'],color = \'g\',marker = \'x\',label = \'Action\') # plt.legend() plt.ylabel(\'kiss\') plt.xlabel(\'fight\') # 绘制图表 data2.head()
2.2植物分类
# 案例二：植物分类 from sklearn import datasets iris = datasets.load_iris() print(iris.keys()) print(\'数据长度为:%i条\' % len(iris[\'data\'])) # 导入数据 print(iris.feature_names) print(iris.target_names) #print(iris.target) print(iris.data[:5]) # 150个实例数据 # feature_names - 特征分类：萼片长度，萼片宽度，花瓣长度，花瓣宽度 → sepal length, sepal width, petal length, petal width # 目标类别：Iris setosa, Iris versicolor, Iris virginica. data = pd.DataFrame(iris.data, columns = iris.feature_names) data[\'target\'] = iris.target iris.target data.head()
knn = neighbors.KNeighborsClassifier() knn.fit(iris.data, iris.target) #构建一个分类模型 prt_data = knn.predict([0.2, 0.1, 0.3, 0.4]) #array([0]) prt_data
ty = pd.DataFrame({\'target\':[0, 1, 2],
\'target_names\':iris.target_names})
iris.target
df = pd.merge(data, ty, on = \'target\')
df.head()
knn = neighbors.KNeighborsClassifier() # knn.fit(iris.data, iris.target) #构建一个分类模型 knn.fit(iris.data, df[\'target_names\']) #监督学习一定要有它的特征量和目标值 prt_data = knn.predict([0.2, 0.1, 0.3, 0.4]) #做预测 prt_data