机器学习:7.机器学习 --- kNN算法编程实战:红酒分类
Posted HNU岳麓山大小姐
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习:7.机器学习 --- kNN算法编程实战:红酒分类相关的知识,希望对你有一定的参考价值。
第1关:分析红酒数据
import numpy as np
def alcohol_mean(data):
'''
返回红酒数据中红酒的酒精平均含量
:param data: 红酒数据对象
:return: 酒精平均含量,类型为float
'''
#********* Begin *********#
return np.mean(data['data'],axis = 0)[0]
#********* End **********#
第2关:对数据进行标准化
from sklearn.preprocessing import StandardScaler
def scaler(data):
'''
返回标准化后的红酒数据
:param data: 红酒数据对象
:return: 标准化后的红酒数据,类型为ndarray
'''
#********* Begin *********#
scaler = StandardScaler()
return scaler.fit_transform(data['data'])
#********* End **********#
第3关:使用kNN算法进行预测
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
def classification(train_feature, train_label, test_feature):
'''
对test_feature进行红酒分类
:param train_feature: 训练集数据,类型为ndarray
:param train_label: 训练集标签,类型为ndarray
:param test_feature: 测试集数据,类型为ndarray
:return: 测试集数据的分类结果
'''
#********* Begin *********#
scaler = StandardScaler()
# 标准化, 同时记录数据的均值和方差以便对后续测试数据执行同样的标准化
tr_feature = scaler.fit_transform(train_feature)
te_feature = scaler.transform(test_feature)
# 生成K近邻分类器
clf = KNeighborsClassifier()
# 训练分类器
clf.fit(tr_feature, train_label)
# 进行预测
predict_result = clf.predict(te_feature)
return predict_result
#********* End **********#
以上是关于机器学习:7.机器学习 --- kNN算法编程实战:红酒分类的主要内容,如果未能解决你的问题,请参考以下文章
机器学习实战☛k-近邻算法(K-Nearest Neighbor, KNN)