鸢尾花数据集（KNN算法 - 分类预测）

一、数据导入

import pandas as pd 
import seaborn as sns
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

# 数据导入
datas = pd.read_csv(r'E:/iris.csv')
datas.columns = ['A', 'B', 'C', 'D', 'categories']		# A、B、C、D为花瓣长度等特征
datas.head(10)

	A	B	C	D	categories
0	4.9	3.0	1.4	0.2	Iris-setosa
1	4.7	3.2	1.3	0.2	Iris-setosa
2	4.6	3.1	1.5	0.2	Iris-setosa
3	5.0	3.6	1.4	0.2	Iris-setosa
4	5.4	3.9	1.7	0.4	Iris-setosa
5	4.6	3.4	1.4	0.3	Iris-setosa
6	5.0	3.4	1.5	0.2	Iris-setosa
7	4.4	2.9	1.4	0.2	Iris-setosa
8	4.9	3.1	1.5	0.1	Iris-setosa
9	5.4	3.7	1.5	0.2	Iris-setosa

二、数据预处理

查看数据集的总体参数：

# 去重，查看数据类型，查看是否有缺省值
datas.drop_duplicates(inplace=True)
datas.info()

<class 'pandas.core.frame.DataFrame'>
Index: 146 entries, 0 to 148
Data columns (total 5 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   A           146 non-null    float64
 1   B           146 non-null    float64
 2   C           146 non-null    float64
 3   D           146 non-null    float64
 4   categories  146 non-null    object 
dtypes: float64(4), object(1)
memory usage: 6.8+ KB

以上结论：每一列都没有缺失值，数据类型也正确。

查看数据的统计特征：

# 查看数据的统计特征（简单检查是否存在异常值）
datas.describe()

	A	B	C	D
count	146.000000	146.000000	146.000000	146.000000
mean	5.861644	3.052740	3.796575	1.215753
std	0.829562	0.436948	1.753987	0.755822
min	4.300000	2.000000	1.000000	0.100000
25%	5.100000	2.800000	1.600000	0.300000
50%	5.800000	3.000000	4.400000	1.300000
75%	6.400000	3.300000	5.100000	1.800000
max	7.900000	4.400000	6.900000	2.500000

以上结论：特征的统计数据大致都在合理范围内，无明显异常值。

查看鸢尾花的类别有哪些（即有哪些分类标签），并查看占比：

# 查看鸢尾花有哪些类别，以及各类别的数量
datas.groupby(['categories'])['categories'].count()

categories
Iris-setosa        47
Iris-versicolor    50
Iris-virginica     49
Name: categories, dtype: int64

以上结论：鸢尾花共有3种类别，分别为“setosa”、“versicolor”、“virginica”，且每种的数据占比是均衡的。

对“categories”列进行标签编码（即用0、1、2等代替类别，变成计算机能对读取的格式）：

# 标签编码
datas['categories'] = datas['categories'].map({
    'Iris-setosa':0, 'Iris-versicolor':1, 'Iris-virginica':2
})

输出特征关系矩阵，查看特征间的相互关系：

# 特征之间关系的矩阵图
sns.pairplot(datas, palette='viridis', hue='categories')
plt.show()

特征关系矩阵的对角线上的图表示该特征（A、B、…）的分布直方图。非对角先上的图可以查看两个特征之间的相关关系，比如第一行第二幅图，可以看出特征A和特征B的相关关系不是很强，右上角那幅图可以看出特征A和D直接有较强的相关关系。
除了可以直观的查看相关关系（非对角线），还可以根据散点的颜色和位置，判断使用这两个特征来进行分类的效果，比如第一行第二幅图，可以看出只特征A和特征B并不能很好的进行分类，而右上角那幅图，使用特征A和D的分类效果比第一行第二幅图好点。

特征关系图的结论：我们可以只使用特征C和特征D进行分类（特征选择），分类效果较好。

特征选择与数据标准化（消除量纲影响）：

from sklearn.preprocessing import StandardScaler

# 特征选择
X = datas[['C','D']]
y = datas['categories']

# 数据标准化
scaler = StandardScaler()
X_ = scaler.fit_transform(X)

三、建模与预测

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_, y, test_size=0.3, random_state=40)

# 建模
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测
y_pred = knn.predict(X_test)

四、模型评估

from sklearn.metrics import classification_report

# 输出分类报告
print(classification_report(y_test, y_pred))

              precision    recall  f1-score   support

           0       1.00      1.00      1.00        11
           1       1.00      0.92      0.96        13
           2       0.95      1.00      0.98        20

    accuracy                           0.98        44
   macro avg       0.98      0.97      0.98        44
weighted avg       0.98      0.98      0.98        44

以上结论：分类报告中，模型的准确率为98%，表明KNN算法在鸢尾花数据集上表现良好。各类别的精确率（precision）、召回率（recall）和F1分数（F1-score）均较高，说明该模型对各类别的分类效果较好。

五、分类结果可视化

# 创建一个DataFrame对象用于结果可视化
view = pd.DataFrame(X_test, columns=['C', 'D'])
view['y_test']=y_test.reset_index(drop=True)
view['predict'] = y_pred
view['is_correct'] = view['y_test'] == view['predict']

# 绘制散点图
sns.scatterplot(
    x='C', 
    y='D', 
    data=view,
    hue='predict',  # 根据预测类别着色
    style='is_correct',  # 根据是否正确分类选择标记样式
    markers={True: 'o', False: 'X'}, 
    palette='viridis',
    s=180
)

plt.title('分类结果可视化')
plt.xlabel('特征C')
plt.ylabel('特征D', rotation=0)
plt.show()

结论：分类结果可视化显示，只有一个数据被错误预测，说明该拟合的模型在该数据集上的分类预测效果很好。

# 文章如有错误，欢迎大家指正。我们下期再见叭