iris数据集分类 近邻分类算法实验

iris数据集是一个经典的分类问题数据集，该数据集包含了3种不同种类的鸢尾花，每种鸢尾花有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度），一共有150个样本。在本实验中，我们将使用近邻分类算法对iris数据集进行分类。

近邻分类算法是一种基于实例的分类方法，它的基本思想是：如果一个样本在特征空间中的k个最相似（即距离最近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。

具体实现步骤如下：

1. 导入iris数据集，并将其分成训练集和测试集。

2. 定义距离度量方法，这里使用欧式距离。

3. 定义分类算法，即从k个最近邻中选择出现次数最多的类别作为预测结果。

4. 对测试集进行预测，并计算分类准确率。

以下是Python代码实现：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import numpy as np

# 导入iris数据集，分成训练集和测试集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 定义距离度量方法
def euclidean_distance(x1, x2):
    return np.sqrt(np.sum((x1 - x2) ** 2))

# 定义分类算法
def knn(X_train, y_train, X_test, k):
    y_pred = []
    for i in range(len(X_test)):
        distances = [euclidean_distance(X_train[j], X_test[i]) for j in range(len(X_train))]
        nearest_neighbors = np.argsort(distances)[:k]
        nearest_labels = [y_train[j] for j in nearest_neighbors]
        y_pred.append(max(set(nearest_labels), key=nearest_labels.count))
    return y_pred

# 对测试集进行预测
y_pred = knn(X_train, y_train, X_test, k=3)

# 计算分类准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

运行结果：

Accuracy: 0.9777777777777777

可以看出，使用近邻分类算法对iris数据集进行分类，得到了很高的分类准确率。