"""
近鄰分類演算法是在 neighbors 模組的 KNeighborsClassifier 類中實現的。
我們需要將這個類例項化為一個物件，然後才能使用這個模型。這時我們需要設定模型的引數。
KNeighborsClassifier 最重要的引數就是鄰居的數目，這裡我們設為 1
knn 物件對演算法進行了封裝，既包括用訓練資料構建模型的演算法，也包括對新資料點進行
預測的演算法。它還包括演算法從訓練資料中提取的資訊。對於 KNeighborsClassifier 來說，
裡面只儲存了訓練集。
想要基於訓練集來構建模型，需要呼叫 knn 物件的 fit 方法，輸入引數為 X_train 和 y_
train，二者都是 NumPy 陣列，前者包含訓練資料，後者包含相應的訓練標籤
"""

from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
import scipy as sp
import IPython
import sklearn

iris_dataset = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
    iris_dataset['data'], iris_dataset['target'], random_state=0)

print(f"X_test shape: {X_train.shape}")
print(f"y_test shape: {y_train.shape}")

print(f"X_test shape: {X_test.shape}")
print(f"y_test shape: {y_test.shape}")

knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train, y_train)
# fit 方法返回的是 knn 物件本身並做原處修改，因此我們得到了分類器的字串表示。

X_new = np.array([[5, 2.9, 1, 0.2]])
# 我們將這朵花的測量資料轉換為二維 NumPy 陣列的一行，這是因為 scikit-learn的輸入資料必須是二維陣列。
print(f"X_new.shape: {X_new.shape}")
print(X_new)
#我們呼叫 knn 物件的 predict 方法來進行預測：
prediction = knn.predict(X_new)
print(f"Prediction: {prediction}")
print(f"Prediction target name: {iris_dataset['target_names'][prediction]}")

""" 評估模型 
這裡需要用到之前建立的測試集。這些資料沒有用於構建模型，但我們知道測試集中每朵鳶尾花的實際品種。
因此，我們可以對測試資料中的每朵鳶尾花進行預測，並將預測結果與標籤（已知的品種）進行對比。
我們可以通過計算精度（accuracy）來衡量模型的優劣，精度就是品種預測正確的花所佔的比例
"""

y_pred = knn.predict(X_test)
print(f"Test set predictions:\n {y_pred}")

print("Test set sore {:.2f}".format(np.mean(y_pred == y_test)))