利用鳶尾花資料集完成一個簡單的機器學習應用~萬丈高樓平地起，雖然很基礎，但是還是跟著書敲了一遍程式碼。

一、模型構建流程

1、獲取資料

• 本次實驗的Iris資料集來自skicit-learn的datasets模組

from sklearn.datasets import load_iris
iris_dataset = load_iris()

• 檢視一下資料：
  

• 可以發現iris_dataset類似一個字典，裡面包含鍵和值，其中鍵值對包括資料的簡介（DESC）、標籤值（target）、資料樣本（data），標籤名（target name）等

2、資料預處理

• 本次使用的資料無需預處理，已經處理好了，目標值也被表示為0,1,2的數字標籤，data和target都是ndarray陣列。

3、特徵工程

• 本次資料還比較簡單，特徵也少，無需特徵選擇，
  • 這裡利用pandas的scatter.metrix將資料進行視覺化一下，進行觀察各個特徵之間的關係,
    在此之前先劃分一下訓練集和測試集

#劃分訓練集，測試集
X_train,X_test,y_trian,y_test = train_test_split(irs_dataset['data'],irs_dataset['target'],random_state = 0)

#利用pd，畫散點圖，觀察資料是否有異常值
irs_dataframe = pd.DataFrame(X_train,columns=irs_dataset.feature_names)
grr = pd.plotting.scatter_matrix(irs_dataframe,c=y_trian,figsize=(8,8),marker='o',
                                hist_kwds={'bins':20},s=60,alpha=.8)
 

4、（機器學習）構建模型

• 考慮到這個資料特點，這裡使用KNN演算法

• KNN：在判斷一個數據X的標籤時，會計算距離它與其他所有樣本x1,x2,x3,...,的距離，選擇距離它最近的k個樣本的標籤值，作為該資料X的標籤值。

#建立模型：KNN演算法

knn = KNeighborsClassifier(n_neighbors=2)  #把k值設為2
knn.fit(X_train, y_trian) #基於訓練集構建模型，兩個引數都是Numpy 陣列

5、模型評估

• 怎麼知道該模型在預測新資料時的有效性呢？有很多評估指標，比如說精確率、召回率...

• 這裡使用精確率：正確預測列別的資料，佔所有資料的比例

#評估模型
y_pred = knn.predict(X_test)
print(y_pred)
print("precision={:.2f}".format(np.mean(y_pred==y_test)))
print(knn.score(X_test, y_test))

二、遇到的問題

• 按照書上所寫使用pandas的scatter.metrix畫散點圖做相關性分析時遇到’module ‘pandas’ has no attribute ‘scatter_matrix’'這個問題

• 解決方法：

• 現在的pandas的scatter_matrix用法已經發生變化了,在使用時需要加上plotting，即：pandas.plotting.scatter_matrix

三、參考文獻

《python機器學習基礎教程》--【德】Adreas C.Muller