首先补充一下关于数据集的几点内容，在上次博客之后做的练习中，我发现了关于数据集中一些比较重要却被我忽视的内容。

　　1、划分数据集。对于机器学习来说，不能将所有的数据都用来进行训练，这是因为倘若将所有的数据都用来训练，然后训练完毕后的模型直接去进行预测等工作，这样很难判断训练模型究竟好不好，是不是能比较准确的进行工程实践。所以，必须将数据集划分成训练集和测试集。当然一般来说，训练集会多一些，测试集会占到10%~30%。

　　划分数据集的代码如下：

from sklearn.model_selection import train_test_split

# 以鸢尾花集来举例子
# 划分数据集
x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=30)
    

　　　train_test_split方法参数输入顺序是：数据集的特征值，数据集的标签值。然后是一些默认参数，比较重要的就是random_state，不同的随机数种子会造成不同的随机采样结果。最后比较重要的就是train_test_split方法的返回值，返回数据顺序是：训练集特征值，测试集特征值，训练集目标值，测试集目标值，简称训特、测特、训目、测目，一般表示为x_train，y_train，x_test，y_test。

　　2、K-近邻算法，非常非常基础的机器学习算法之一，又叫KNN（K Nearest Neighbors）算法，K是自己规定的常数，K-近邻算法的核心思想就是“找近的”，距离是衡量关系的最重要因素。在n个样本点中，选出距离要测试的样本点最近的K个样本，再选取这K个样本中标签相同数量最多的样本的标签，这个标签就是测试点的标签。所以，K值的选取是很重要的因素，K值不能取1，因为如果正好取到离得最近的“坏点”，预测就会错误；K值也不能取得太大，因为相同标签的数量多，但对于样本的标签来说不一定是对的。下面附上鸢尾花集的K-近邻算法。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier


# 使用K-近邻算法
def KNN_iris():
    # 获取数据
    iris = load_iris()
    # 划分数据集
    x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=30)
    # 特征工程：标准化
    stand_trans = StandardScaler()
    x_train_standard = stand_trans.fit_transform(x_train)
    x_test_standard = stand_trans.transform(x_test)
    # K-近邻算法预估器
    estimator = KNeighborsClassifier(n_neighbors=5)
    estimator.fit(x_train_standard,y_train)
    # 模型评估
    # 1、直接比对真实值和预测值
    y_predict = estimator.predict(x_test_standard)
    print("直接作对比：",y_predict==y_test)
    # 2、计算准确率
    score = estimator.score(x_test_standard,y_test)
    print("计算准确率：",score)
    print("Iris's data:",iris.data)
    print("Iris's target:",iris.target)


if __name__ == '__main__':
    KNN_iris()

 

截图如下