机器学习算法使用K近邻算法构建鸢尾属分

北京中科医院电话 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/etbdf/

鸢尾属是一种草本植物，约有多种分类。现在需要建立一个分类器，对鸢尾属进行自动分类。

有两种自动分类方式：一种方式是提供一些已经分类完成的样本，样本包括鸢尾属的一组特征和类别标识，将待分类的鸢尾属特征与所有样本的特征进行比较，与待分类鸢尾属特征最接近的样本所属的类别，就是待分类鸢尾属的类别；另外一种方式是没有分类完成的样本，程序需要自动对待分类的鸢尾属进行归类，即该分类方法没有正确的答案供分类算法参考，算法需要按照开发者设定的参数对鸢尾属进行分类。

第一种分类算法称为监督学习，有样本数据可供参考；第二种分类方法为无监督学习，没有样本数据参考，完全需要算法自己完成分类。在这个案例中，主要设计监督学习的分类算法。

监督学习算法需要有样本数据为算法提供参考，建立样本数据是鸢尾属分类器的第一步工作。建立样本数据前，需要找出鸢尾属的特征进行归类，鸢尾属不同种类的花瓣及花萼的宽度和长度是有一定区别的，并且这些特征通过测量就可以获取，可以考虑采用花萼长度、花萼宽度、花瓣长度、花瓣宽度作为样本的特征数据。

样本数据样例（单位为厘米）：

表格列出了样本数据构成，表格的列是样本的特征数据，表格的行是1个样本。

鸢尾属数据集由埃德加·安德森建立，数据集包含了setosa、versicolor、virginica种类各50个样本。

鸢尾属分类器以鸢尾属数据集为样本数据，将数据集分为两部分：一部分用于归类训练，一部分用于归类测试。

训练数据集为：train_Iris.csv

测试数据集为：test_Iris.csv

如何设计一个自动分类算法呢？设想一下，若待分类的数据特征与样本数据之间的距离很小，说明两者的特征值相似，可以考虑将待分类的数据归类为样本数据所属类别。在后面的内容中，也将待分类数据称为目标数据。

例如：

在表格样例数据中，序号1、2、3为已分类样本数据，序号4为目标数据，分别计算待分类数据与样本1、样本2、样本3的距离，取距离样本数据最近的类别。

表格样例数据每行为一个向量，向量的分量分别为花萼长度、花萼宽度、花瓣长度、花瓣宽度，只要计算两个向量间的距离就可以了，计算两个向量间的距离可以采用欧几里得距离计算方法。