用python实现数据挖掘案例

Python是一种流行的编程语言，特别适合用于数据挖掘。以下是使用Python实现数据挖掘的一个简单案例——基于iris数据集的分类：

1. **导入必要的库**：首先，你需要导入pandas（处理数据），numpy（数值计算），以及scikit-learn（机器学习库）等。

import pandas as pd
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

2. **加载数据**：sklearn提供了一些内置的数据集，如iris数据集，它包含了鸢尾花的测量数据，可以作为示例数据。

iris = datasets.load_iris()
data = iris.data
labels = iris.target

3. **数据预处理**：对数据进行标准化处理，以便于某些算法的运行。

scaler = StandardScaler()
data_scaled = scaler.fit_transform(data)

4. **划分训练集和测试集**：将数据分为训练集和测试集，通常采用80%的数据用于训练，剩下的20%用于评估模型性能。

X_train, X_test, y_train, y_test = train_test_split(data_scaled, labels, test_size=0.2, random_state=42)

5. **选择模型和训练**：这里我们选择K近邻(KNN)作为分类模型，然后训练它。

knn = KNeighborsClassifier(n_neighbors=3) # 使用3个最近邻居
knn.fit(X_train, y_train)

6. **预测与评估**：用训练好的模型对测试集进行预测，并计算准确率。

y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)