時至今日，我才發現 machineLearning 的應用門檻已經被降到了這麽低，簡直唾手可得。我實在找不到任何理由不對它進入深入了解。如標題，感謝 Google 為這項技術發展作出的貢獻。當然，可能其他人做了 99%, Google 只做了 1%，我想說，真是漂亮的 1%。

切入正題，今天從 Youtube 上跟隨 Google 的工程師完成了第一個 machineLearning 的小程序。作為學習這項技能的 hello world 吧。

是為記錄。

 1 from scipy.spatial import distance
 2 def euc(a,b):
 3     return
 
 distance.(a,b)
 4 
 5 class knnClassifier():
 6     def fit(self, x_train, y_train):
 7         self.x_train = x_train
 8         self.y_train = y_train
 9 
10     def predict(self, x_test):
11         predictions = []
12         for row in x_test:
13             label = self.closest(row)
 
14             predictions.append(label)
15         return predictions
16 
17     def closest(self, row):
18         best_dist = euc(row, self.x_train[0])
19         best_index = 0
20         for i in range(1, len(self.x_train)):
21             dist = euc(row, self.x_train[i])
22             if
 
 dist < best_dist:
23                 best_dist = dist
24                 best_index = i
25         return self.y_train[best_index]
26 
27 from sklearn import datasets
28 iris = datasets.load_iris()
29 x = iris.data
30 y = iris.target
31 
32 from sklearn.cross_validation import train_test_split
33 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size= .5)
34 print x_train
35 print y_train
36 
37 my_classifier = knnClassifier()
38 my_classifier.fit(x_train, y_train)
39 predictions = my_classifier.predict(x_test)
40 
41 from sklearn.metrics import accuracy_score
42 print accuracy_score(y_test, predictions)

對上面的代碼進行簡單解釋：

1. 1-3 行是引用 scipy 的 distance 類中計算歐氏距離的函數，並進行了簡單封裝。（歐氏距離：N 維空間中，兩個點之間的真實距離）

2. 5-25 中，定義了自己的 classifier 類，關鍵方法包括了 fit 和 predict。fit 主要是將餵進來的數據賦值給內部變量；predict 是根據送進來的 row，返回我們預期的 Label。這裏的 classifier 是我們 hand code 的，並不是訓練出來的。事實上並不算是真正意義上的 machineLearning，但是很好的解釋了其內部的原理。machineLearning 中，我們定義的 closet 函數，將通過訓練的到，即 model。

3. 27-30, 在入了 sklearn 庫中的 iris 花的數據庫，作為我們後面實驗的數據來源。iris_data 是三種花的原始數據，是一個三維數組。數組中每個元素代表一朵花的三個參數，分別是花的xx長度，花的xx寬度，和xx長度（我並不關系他是什麽數據，反正是花的數據）；iris_target 是 data 相對應的花的種類，大概就是0表示紅玫瑰，1表示藍玫瑰，2表示粉玫瑰之類。

4. 32-35, 把載入的花朵數據 split 為兩組，一組用做 train，作為預測的憑據，另一組作為檢驗 classifier 準確性的待測數據。驗證時，因為驗證組的數據對應的結果也是已知的，所以拿 classifier 出來的結果與真實值比較，便可知 classifier 是否合理。使用上面代碼進行判定的成功率已經達到 >90%，事實上拿它來對未知新數據判定，結果可信度已經很高。

5. 37-39 ，應用了在 2 中定義的 classifier，將 4 中分割出來的 x_train, y_train 餵給 classifier。然後，使用 classifier 根據 x_test 中的花的數據，預測花的種類，得到對應的預測結果數組 predictions。

6. 41-42，比較真實的花的種類 y_test 與 預測結果 predictions 之間的符合度。可以看到並不是 100%，信息總是會有遺漏的，哪怕是人眼來判斷也一樣。

因為載入的數據在 split 時，是隨機的。所以，因為 train 組和 test 組數據的不同，預測的準確度也會稍有不同。

雖然這裏的 classifier 已經有了很高的準確度，但是，不能回避的是，這樣的計算比對，運算量是非常大的。同時，因為我們數據屬性的關系，我們可以直接通過找最接近數據來進行預測，在其他一些應用中，某些屬性並不是線性分布的，或者，並不是憑人眼能發現規律的。這時候，就需要真正的 train 了。

跟 Google 學 machineLearning [1]