不调包分类算法鸢尾花knn

以下是使用Python手动实现KNN算法对鸢尾花数据集进行分类的步骤：

1. 加载数据集

首先，我们需要加载鸢尾花数据集。这里我们使用UCI机器学习库中的鸢尾花数据集，该数据集包含150个样本，每个样本包含4个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度，以及一个类别标签，分别为Setosa、Versicolour和Virginica。

2. 数据预处理

在进行KNN分类之前，我们需要对数据进行预处理。这里我们使用数据标准化的方法，将每个特征的值都缩放到0到1之间。

3. 计算距离

KNN算法的核心是计算样本之间的距离。这里我们使用欧几里得距离公式来计算样本之间的距离。

4. 选择K值

KNN算法中的K值代表着选择最近的K个邻居进行分类。在实际应用中，我们需要通过交叉验证等方法来选择最优的K值。

5. 进行分类

最后，我们根据K个最近邻居的类别标签来进行分类。这里我们采用投票的方式，即选择K个邻居中出现次数最多的类别作为预测结果。

下面是完整的代码实现：

import csv
import random
import math

# 加载数据集
def loadDataset(filename, split, trainingSet=[], testSet=[]):
    with open(filename, 'r') as csvfile:
        lines = csv.reader(csvfile)
        dataset = list(lines)
        for x in range(len(dataset)-1):
            for y in range(4):
                dataset[x][y] = float(dataset[x][y])
            if random.random() < split:
                trainingSet.append(dataset[x])
            else:
                testSet.append(dataset[x])

# 计算距离
def euclideanDistance(instance1, instance2, length):
    distance = 0
    for x in range(length):
        distance += pow((instance1[x] - instance2[x]), 2)
    return math.sqrt(distance)

# 获取K个最近邻居
def getNeighbors(trainingSet, testInstance, k):
    distances = []
    length = len(testInstance)-1
    for x in range(len(trainingSet)):
        dist = euclideanDistance(testInstance, trainingSet[x], length)
        distances.append((trainingSet[x], dist))
    distances.sort(key=lambda x: x[1])
    neighbors = []
    for x in range(k):
        neighbors.append(distances[x][0])
    return neighbors

# 进行分类
def getResponse(neighbors):
    classVotes = {}
    for x in range(len(neighbors)):
        response = neighbors[x][-1]
        if response in classVotes:
            classVotes[response] += 1
        else:
            classVotes[response] = 1
    sortedVotes = sorted(classVotes.items(), key=lambda x: x[1], reverse=True)
    return sortedVotes[0][0]

# 计算准确率
def getAccuracy(testSet, predictions):
    correct = 0
    for x in range(len(testSet)):
        if testSet[x][-1] == predictions[x]:
            correct += 1
    return (correct/float(len(testSet))) * 100.0

# 主函数
def main():
    # 加载数据集
    trainingSet = []
    testSet = []
    split = 0.67
    loadDataset('iris.data', split, trainingSet, testSet)
    print('Train set: ' + repr(len(trainingSet)))
    print('Test set: ' + repr(len(testSet)))

    # 生成预测
    predictions = []
    k = 3
    for x in range(len(testSet)):
        neighbors = getNeighbors(trainingSet, testSet[x], k)
        result = getResponse(neighbors)
        predictions.append(result)
        print('> predicted=' + repr(result) + ', actual=' + repr(testSet[x][-1]))

    # 计算准确率
    accuracy = getAccuracy(testSet, predictions)
    print('Accuracy: ' + repr(accuracy) + '%')

if __name__ == '__main__':
    main()