手工实现水果分类器

手工实现水果分类器，没用knn\svm等算法。
分类原理是：待预测值与训练集中的每一个值都计算欧式距离，其中距离最短的分类就是预测值的分类
还包括对原始数据的可视化，能对原始数据的分布有一个大致的了解。
原始数据格式如下：
fruit_name mass   width  height color_score
apple  192    8.4    7.3    0.55
apple  180    8  6.8    0.59
apple  176    7.4    7.2    0.6
mandarin   86 6.2    4.7    0.8
mandarin   84 6  4.6    0.79
mandarin   80 5.8    4.3    0.77

输出结果截选如下：

41行，预测值是：apple,真实值是：orange
38行，预测值是：orange,真实值是：orange
54行，预测值是：lemon,真实值是：lemon
35行，预测值是：lemon,真实值是：orange
预测准确率是：66.67%

import pandas as pd
from sklearn.model_selection import train_test_split
from scipy.spatial.distance import euclidean
import seaborn as sns
import matplotlib.pyplot as plt


data_path =  \'./data/fruit_data.csv\'
output_dir = \'./output/\'

category = [\'apple\',\'mandarin\', \'lemon\', \'orange\']
feat_cols = [\'mass\',\'width\',\'height\',\'color_score\']

# 成对变量展示图
def pair_plot(df,category):
    sns.pairplot(data=df,hue=category)   # hue:针对某一字段进行分类
    plt.tight_layout()
    plt.savefig(output_dir + category)   # 默认保存为fruit_name.png
    plt.show()

# 对fruit数据的探索图
def eda_plot_for_fruit(data_df):
    fruit_color_dict = {\'apple\':\'red\',
                       \'mandarin\':\'green\',
                       \'lemon\':\'blue\',
                       \'orange\':\'yellow\'
                       }
    fig, axes = plt.subplots(2, 1, figsize=(8, 8))
    for name,color in fruit_color_dict.items():
        data_df[data_df[\'fruit_name\'] == name].plot(ax=axes[0],kind=\'scatter\',x=\'width\',y=\'height\',
                                                    label=name,color=color)
    for name,color in fruit_color_dict.items():
        data_df[data_df[\'fruit_name\'] == name].plot(ax=axes[1], kind=\'scatter\', x=\'mass\', y=\'color_score\',
                                                    label=name, color=color)
    plt.tight_layout()
    plt.savefig(output_dir+\'fruit_eda.png\')
    plt.show()

#给定带预测的特征值和训练数据集，计算欧氏距离，输出预测值
def pred_cate(feat_values,train_data_df):
    dis_list = []
    for idx,row in train_data_df.iterrows():
        dis = euclidean(feat_values,row[feat_cols].values)   # 计算欧氏距离
        dis_list.append(dis)

    min_idx = dis_list.index(min(dis_list))   # 最短距离值的索引
    # pos = np.argmin(dis_list)    # 这种方法也能求最小值的索引
    pred_rst = train_data_df.iloc[min_idx][\'fruit_name\']   # 必须用整数索引.iloc
    return pred_rst


if __name__ == \'__main__\':
    data_df = pd.read_csv(data_path)

    # 看看数据可视化的大体情况
    eda_plot_for_fruit(data_df)
    pair_plot(data_df,\'fruit_name\')

    # 分成训练集和测试集；random_state相当于设定一个随机数种子。
    train_data,test_data = train_test_split(data_df,test_size=0.2, random_state=19)
    acc_count = 0

    for idx,row in test_data.iterrows():
        pred_result = pred_cate(row[feat_cols].values,train_data)
        if pred_result == row[\'fruit_name\']:
            acc_count += 1
        print(\'{}行，预测值是：{},真实值是：{}\'.format(idx, pred_result,row[\'fruit_name\']))

    acc_rate = acc_count / test_data.shape[0]
    print(\'预测准确率是：{:.2f}%\'.format(acc_rate * 100))