【实战教程】用scikit-learn玩转KNN：鸢尾花数据集的分类之旅

本文主要是介绍【实战教程】用scikit-learn玩转KNN：鸢尾花数据集的分类之旅，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

KNN（K-Nearest Neighbors）算法是一种简单直观的监督学习算法，被广泛应用于分类和回归任务中。本文将带你一步步了解如何使用Python中的scikit-learn库实现KNN算法，并通过鸢尾花数据集来进行实战演练。让我们一起探索如何用KNN算法对鸢尾花进行分类吧！

1. 准备工作

首先，我们需要安装必要的库。如果你还没有安装scikit-learn，可以通过以下命令进行安装：

pip install scikit-learn

接下来，我们导入所需的库：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

2. 加载数据

我们将使用经典的鸢尾花数据集。这个数据集包含了三种不同类型的鸢尾花（Setosa、Versicolor和Virginica）的测量数据，每种类型有50个样本，每个样本包含四个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度。

iris = datasets.load_iris()
X = iris.data
y = iris.target

3. 数据预处理

为了让模型更好地工作，我们通常需要对数据进行标准化处理。

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

4. 划分数据集

我们将数据分为训练集和测试集，以便评估模型的性能。

X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.3, random_state=42)

5. 构建KNN模型

现在我们来构建一个KNN分类器。为了找到最佳的K值，我们可以尝试多个K值，并查看它们的表现。

k_values = list(range(1, 31))
accuracies = []for k in k_values:knn = KNeighborsClassifier(n_neighbors=k)knn.fit(X_train, y_train)y_pred = knn.predict(X_test)accuracies.append(accuracy_score(y_test, y_pred))

6. 选择最佳K值

我们可以绘制出不同K值下模型的准确率，以找到最佳的K值。

plt.figure(figsize=(10, 6))
plt.plot(k_values, accuracies, marker='o')
plt.title('Accuracy vs. Number of Neighbors (K)')
plt.xlabel('Number of Neighbors (K)')
plt.ylabel('Accuracy')
plt.grid(True)
plt.show()

7. 模型评估

根据图表找到的最佳K值，我们重新训练模型并评估其性能。

best_k = k_values[np.argmax(accuracies)]
knn_best = KNeighborsClassifier(n_neighbors=best_k)
knn_best.fit(X_train, y_train)
y_pred_best = knn_best.predict(X_test)print(f"Best K value: {best_k}")
print("Classification Report:")
print(classification_report(y_test, y_pred_best))
print("Confusion Matrix:")
print(confusion_matrix(y_test, y_pred_best))
print("Accuracy Score:")
print(accuracy_score(y_test, y_pred_best))