机器学习建模流程：
-
加载数据------在线数据集，鸢尾花数据，150条 ，dm01_loadiris()，dm04_模型评估与预测()
-
数据的预处理------数据集分区（训练集和测试集），dm03_traintest_split()，dm04_模型评估与预测()
-
特征工程------特征预处理（数据标准化），dm04_模型评估与预测()
-
模型训练（机器学习），dm04_模型评估与预测()
-
模型预测和评估------dm04_模型评估与预测()
from sklearn.datasets import load_iris # 在线数据集 150条
from sklearn.model_selection import train_test_split # 分割训练集和测试集
from sklearn.preprocessing import StandardScaler # 数据标准化
from sklearn.neighbors import KNeighborsClassifier # KNN算法 分类对象，因为鸢尾花是分类的场景采用三分法
from sklearn.metrics import accuracy_score # 模型评估 计算模型准确率以下三个库 展示数据可视化，目的：观察数据在模型上的分布情况，是否存在异常值
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt加载鸢尾花 在线数据集
def dm01_loadiris():
# 加载数据
iris_data = load_iris()
## print(iris_data) #此行会打印出以下keys和keys的具体内容，以如下更清晰的方式展示重点数据
# 数据的键，也就是它的主要组成部分的名称
print(iris_data.keys())
# 数据特征名
print(iris_data.feature_names)
# 数据前5行 特征值
print(iris_data.data[:5])
# 数据标签名
print(iris_data.target_names)
# 数据前52行 标签值
print(iris_data.target[:52])2、数据的可视化：定义函数 dm02_show_iris()
def dm02_show_iris():
# 1、加载数据
iris_data = load_iris()
# 2、把上述的数据封装df对象
iris_df = pd.DataFrame(iris_data.data, columns=iris_data.feature_names)
# 3、给df对象新增一个标签列
iris_df['label'] = iris_data.target
# print(iris_df)
# 4、具体做可视化（了解）
# 参1：数据 iris_df
# 参2:x轴值 花瓣长度
# 参3：y轴值 花瓣宽度
# 参4：hue 颜色（根据鸢尾花的标签的分组，显示不同颜色）
# 参5：fit_reg=False 不绘制拟合回归线，True 绘制拟合回归线
sns.lmplot(data=iris_df, x="petal length (cm)", y='petal width (cm)', hue='label', fit_reg=True)
# 5、设置标题
plt.title("iris data")
plt.tight_layout() # 自动调整子图的参数
plt.show()数据集（训练集测试集）划分
def dm03_traintest_split():
# 1、加载数据集
iris_data = load_iris() # 150条 训练集 和测试集
# 2、划分数据集
# iris_data.data ->特征 150条
# iris_data.target ->标签 150条
# test_size ->表示测试集占比
# random_state ->随机种子 如果种子一样，每次划分数据集都是一样的。
x_train, x_test, y_train, y_test = train_test_split(iris_data.data, iris_data.target, test_size=0.2,
random_state=22)
# print(f"训练集，x-特征:{len(x_train)}") # 120条 每条4个列（特征）
# print(f"测试集，x-特征：{len(x_test)}")# 30条 每条4个列（特征）
# print(f"训练集，y-标签：{len(y_train)}") # 120条 标签
# print(f"测试集，y-标签：{len(y_test)}") #30条 标签
print(f"x_train：\n{x_train}")
print(f"x_test：\n{x_test}")
print(f"y_train：\n{y_train}")
print(f"y_test：\n{y_test}")def dm04_模型评估与预测():
# 1、获取数据集
iris_data = load_iris()# 2、数据预处理（数据集划分） x_train, x_test, y_train, y_test = train_test_split(iris_data.data, iris_data.target, test_size=0.2, random_state=22) # 3、特征工程之子工程_特征预处理（标准化） 演示！！因为源数据不存在量纲问题 # 3.1 创建标准化对象 transfer = StandardScaler() # 3.2 对特征列进行标准化 x_train：训练集特征 训练+转换 x_train = transfer.fit_transform(x_train) # 3.3 处理测试集 transform只有转换 x_test = transfer.transform(x_test) # 4、模型训练 -》机器学习 # 4.1 创建模型对象 es = KNeighborsClassifier(n_neighbors=5) # 4.2模型训练 es.fit(x_train, y_train) # 训练集特征 训练集标签 # 5、模型预测 返回值是模型的预测值：y_predict y_predict = es.predict(x_test) # 打印对比 print(f"（测试集）预测结果为:{y_predict}") # 30个预测标签 print(f"（测试集）真实结果为:{y_test}") # 30个真实标签 # 6.模型评估,两种方式 # print(f"准确率:{es.score(x_test,y_test)}") # 参1：测试集真实标签 参2：预测标签 print(f"准确率:{accuracy_score(y_test, y_predict)}")if name == 'main':
dm01_loadiris()
dm02_show_iris()
dm03_traintest_split()
dm04_模型评估与预测()