简单欧氏距离分类器

根据麻瓜编程及习题整理
禁转

基本概念

人工智能

机器学习

实现人工智能的一种方法

深度学习

机器学习中的一类算法
特点：大数据，效果好，图像识别，语音识别

机器学习问题描述

• “学习”问题通常包括n个样本数据（训练样本）
• 每个样本包含的多个属性（多维数据）被称为“特征”
• 通过特定的算法从训练样本中学习到知识（信息），从而建立一个模型
• 然后预测未知数据（测试样本）的信息

概括：通过学习历史数据的特征构建模型预测未来数据

机器学习分类

根据训练样本是否包含标签分类：

监督学习

训练样本包含对应的“标签”

• 分类问题：样本标签属于两类／多类（离散），如人脸识别
• 回归问题：样本标签包括一个或多个连续变量（连续），如房价预测

无监督学习

训练样本的属性不包括对应的“标签”，如根据上网行为对客户分群从而进行精确营销等
无监督学习通常是通过聚类来将相似的样本聚在一起，然后分析这种聚类的原因

任务

水果识别

监督学习
学习历史数据，根据特征预测水果类别

数据集描述

• 59个样本
• 每个样本有4个特征：水果质量，宽度，高度，颜色
• 4个类别

每列一个特征，每一行一个样本，最后一列类别

思路

语言：python
安装机器学习工具库：pip install scikit-learn

1. 划分数据集：train_test_split()

   需要划分训练集和测试集

2. 使用算法“近朱者赤”：euclidean(欧氏距离)

   计算空间中两个点的距离

代码实现

import pandas as pd
from sklearn.model_selection import train_test_split
from scipy.spatial.distance import euclidean
import numpy as np

import ai_utils

DATA_FILE = './data_ai_practice/fruit_data.csv'
FRUIT_NAME = ['apple','mandarin','orange','lemon']
FEAT_COLS = ['mass','width','height','color_score']


def get_pred_label(test_sample_feat,train_data):
    """
         “近朱者赤” 找最近距离的训练样本，取其标签作为预测样本的标签
    """
    dis_lis =[]

    for idx,row in train_data.iterrows():
        #训练样本特征
        train_sample_feat = row[FEAT_COLS].values

        #计算距离
        dis = euclidean(test_sample_feat,train_sample_feat)
        dis_lis.append(dis)

    #最小距离对应的位置
    pos = np.argmin(dis_lis)
    pred_label = train_data.iloc[pos]['fruit_name']
    return pred_label





def main():
    """
    主函数

    """
    #读取数据集
    fruit_data = pd.read_csv(DATA_FILE)

    #划分数据集
    train_data,test_data=train_test_split(fruit_data,test_size=1/5,random_state=10)

    #预测对的个数
    acc_count = 0

    #分类器
    for idx,row in test_data.iterrows():
        #测试样本特征
        test_sample_feat = row[FEAT_COLS].values

        #预测值
        pred_label = get_pred_label(test_sample_feat,train_data)

        #真实值
        true_label = row['fruit_name']

        print('样本{}的真实标签{}，预测标签{}'.format(idx,true_label,pred_label))

        if true_label == pred_label:
            acc_count += 1

    #准确率
    accuracy = acc_count/test_data.shape[0]
    print('预测准确率{:.2f}%'.format(accuracy*100))

if __name__ == '__main__':
    main()