鸢尾花分类
1、下载和安装在Python中机器学习的各个方面的类库
2、 导入数据，通过描述性分析、可视化等数据进行分析
3、 创建六个模型，并从中选择准确度最高的模型
鸢尾花数据集特点：
1、所有的特征数据都是数字
2、这是一个分类问题，可以方便地通过有监督学习算法来解决问题
3、所有的特征采用相同的单位，不需要进行尺度的转换
按照下面的步骤实现这个项目：
(1) 导入数据
(2) 概述数据
(3) 数据可视化
(4) 评估算法
(5) 实施预测
#导入类库
from pandas import read_csv
from pandas.plotting import scatter_matrix
from matplotlib import pyplot
from sklearn.model_selection import train_test_split
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.svm import SVC
#导入数据
filename = 'iris.data.csv'
names = ['sepal length','sepal width','petal length','petal width','class']
dataset = read_csv(filename,names=names)
print(dataset.dtypes)
#显示数据维度
print('数据维度:行%s,列%s' %(dataset.shape))
#查看数据自身
print(dataset.head(10))
#统计描述数据信息
print(dataset.describe())
#分类分布情况
print(dataset.groupby('class').size())
#箱线图
dataset.plot(kind='box',subplots=True,layout=(2,2),sharex=False,sharey=False)
pyplot.show()
#直方图
dataset.hist()
pyplot.show()
#散点矩阵图
scatter_matrix(dataset)
pyplot.show()
#分离数据集
#按照80%的训练数据集，20%的评估数据集
array = dataset.values
X = array[:,0:4]
y = array[:,4]
validation_size = 0.2
seed = 7
X_train,X_validation,y_train,y_validation = train_test_split(X,y,test_size = validation_size,random_state = seed)
#评估模式
#10折交叉验证来分离训练数据集，并评估算法模型的准确度
#9份用来训练模型，1份用来评估算法
#算法审查
models = {}
models['LR'] = LogisticRegression()
models['LDA'] = LinearDiscriminantAnalysis()
models['KNN'] = KNeighborsClassifier()
models['CART'] = DecisionTreeClassifier()
models['NB'] = GaussianNB()
models['SVM'] = SVC()
#评估算法
results = []
for key in models:
kfold = KFold(n_splits=10,random_state=seed)
cv_results = cross_val_score(models[key],X_train,y_train,cv=kfold,scoring='accuracy')
results.append(cv_results)
print('%s:%f(%f)' %(key,cv_results.mean(),cv_results.std()))
#SVM算法具有最高的准确度得分
fig = pyplot.figure()
fig.suptitle('Algorithm Comparison')
ax = fig.add_subplot(111)
pyplot.boxplot(results)
ax.set_xticklabels(models.keys())
pyplot.show()
#使用评估数据集评估算法
svm = SVC()
svm.fit(X_train,y_train)
predictions = svm.predict(X_validation)
print(accuracy_score(y_validation,predictions))
print(confusion_matrix(y_validation,predictions))
print(classification_report(y_validation,predictions))