机器学习中的k近邻算法学习鸢尾花分类

鸢尾花(Iris)数据集是机器学习中最为经典的一个数据集，虽然已经集成在scikit-learn的dataset模块下，但是我还是使用Pandas建立数据库进行分析，毕竟是第一个最经典最简单的机器学习，从最基础的数据库开始。已知鸢尾花分为setosa/versicolor/virginica这三种，有一批已经鉴定好的鸢尾花数据（已知品种，共个），包含了花萼长度/花萼宽度/花瓣长度/花瓣宽度，这4个参数。现在我有一朵不知道是什么种类的鸢尾花，通过测量得出了以上的4个参数，那么能不能参照之前的鉴定数据来给这朵花进行分类呢？在这里我们使用Pandas建立基本数据库，其中我们测量的4个参数叫做特征(feature)，鸢尾花的种类作为targetnames，对于每种鸢尾花，使用唯一的数字进行命名(setosa==0，versicolor==1，virginica==2)，输出我们的数据库，如下图所示。

能不能成功建立我们的预测模型，最为重要的在于训练数据和测试数据，我们拥有个样本，我们把这些样本进行随机打乱，然后选择前75%(个)的样本进行学习，其他25%的样本我们用作测试机器学习的成果。

一般来说我们都会使用Pandas自带的scatter_matrix来查看数据特征，如下图所示，即为前75%的鸢尾花样本特征。

散点图矩阵只能反应每两个特征之间的关系，其中不同的颜色即为我们训练的三种花的特征分布情况。

使用k近邻算法来进行数据训练，该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。简单来说就是：少数服从多数原则。

在完成数据训练之后，我们还需要使用剩余的25%的数据集进行预测比对，模型的评估环节非常关键，直接反应了我们的训练成果，当然作为最经典的案例，我们的训练准确度为97.37%，使用k近邻算法是准确有效的。

下面是发送代码的环节，模型的预测还需要鸢尾花的数据样本，附录会给出！！！

print("EditedbyAshen")print("