《python数据挖掘入门与实践》笔记2

这一章的主要内容是使用scikit-learn估计器来实现分类，实现的算法是KN近邻算法。

近邻算法可能是标准数据挖掘算法中最为直观的一种。为了对新个体进行分类，它查找训练集，找到与新个体最相似的那些个体，看看这些个体大多属于哪个类别，就把新个体分到哪个类别。

import os
import numpy as np
import csv
#文档的格式为csv格式，所以需要导入csv的库。下面会用到来读取数据
data_filename="ionosphere.txt"

#申请数组用于储存数据和分类情况
X=np.zeros((351,34),dtype='float')
Y=np.zeros((351,),dtype='bool')

#with open() as . 用法：
#with open('t1.txt','r') as input1,open('t2.txt','r') as input2.
#data1=input1.readlines()

with open(data_filename,'r') as input_file:
reader=csv.reader(input_file) 

#enumerate(). 枚举，遍历.

for i,row in enumerate(reader):
    data=[float(datum) for datum in row[:-1]]
    X[i]=data
    Y[i]=row[-1]=='g'

#将数据分为两个集合，训练集和测试集。
from sklearn.cross_validation import train_test_split
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,random_state=14)
from sklearn.neighbors import KNeighborsClassifier

#用训练数据来训练估计器。

estimator=KNeighborsClassifier()
estimator.fit(X_train,Y_train)
y_predicted=estimator.predict(X_test)
accuracy=n