Day17_【机器学习—在线数据集 鸢尾花案例】

机器学习建模流程：

1. 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()
2. 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()
3. 特征工程——特征预处理（数据标准化），dm04_模型评估与预测()
4. 模型训练（机器学习），dm04_模型评估与预测()
5. 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()