分类（Classification）指的是从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术建立分类模型，从而对没有分类的数据进行分类的分析方法。
分类问题的应用场景：用于将事物打上一个标签，通常结果为离散值。例如判断一副图片上的动物是一只猫还是一只狗，分类通常是建立在回归之上。
基本的分类方法—KNN最邻近分类算法，简称KNN，是最简单的机器学习算法之一。
核心逻辑：在距离空间里，如果一个样本的最接近的K个邻居里，绝大多数属于某个类别，则该样本也属于这个类别。
给定电影分类样例，预测某一电影的分类。
from sklearn import neighbors #导入模块 import warnings warnings.filterwarnings('ignore') #不发出警告 df = pd.DataFrame({'name':['北京遇上西雅图','喜欢你','疯狂动物城','战狼2','力王','敢死队'],'fight':[3,2,1,101,99,98],'kiss':[104,100,81,10,5,2],'type':['love','love','love','action','action','action']}) love = df[df['type']] == 'love'] action = df[df['type']== 'action'] plt.scatter(love['fight'],love['kiss'],color = 'red',label = 'love') # 类型为爱情的电影做红色散点图 plt.scatter(action['fight'],action['kiss'],color = 'green',label='action') # 类型为动作片的电影做绿色散点图 plt.legend()knn = neighbors.KNeighborsClassifier() # 创建KNN最邻近分类模型 knn.fit(df[['fight','kiss']],df['type']) # 给模型导入数据 k = knn.predict([[18, 90]]) # 预测数据，参数需要是二维的 print('预测电影类型为%s'%k,type(k)) # 预测电影类型为['love'],<class 'numpy.ndarray'> plt.scatter(18,90,color = 'blue',marker='x',label=k) plt.text(18,90,'《你的名字》',color='blue')
另外随机生成一组数据，用上面的knn分类模型进行分类
df2 = pd.DataFrame(np.random.rand(100,2)*80,columns=['fight','kiss']) df2['predictType'] = knn.predict(df2)plt.scatter(love['fight'],love['kiss'],color = 'red',label = 'love') plt.scatter(action['fight'],action['kiss'],color = 'green',label='action') plt.legend()plt.scatter(df2[df2['predictType']=='love']['fight'],df2[df2['predictType']=='love']['kiss'],color = 'red',label = 'love',marker='x') plt.scatter(df2[df2['predictType']=='action']['fight'],df2[df2['predictType']=='action']['kiss'],color = 'green',label='action',marker='x')df2.head()
案例2：植物分类
from sklearn import datasets iris = datasets.load_iris() print(iris.data[:5]) #类型为<class 'sklearn.utils.Bunch'>，数据部分为一个二维数组 print(iris.feature_names) print(iris.target_names) # print(iris.target) #表示每一个数据所属的分类，分类用数字表示，结果为数组# [[5.1 3.5 1.4 0.2] # [4.9 3. 1.4 0.2] # [4.7 3.2 1.3 0.2] # [4.6 3.1 1.5 0.2] # [5. 3.6 1.4 0.2]] #['sepal length (cm)','sepal width (cm)','petal length (cm)','petal width (cm)']，表示分类特征：萼片长度、萼片宽度、花瓣长度、花瓣宽度 #['setosa' 'versicolor' 'virginica']，表示分类名称
构建DataFrame方便查看数据，并使用数字分类和名称分类分别构建模型
data = pd.DataFrame(iris.data, columns = iris.feature_names) #构建DataFrame方便查看 data['target'] = iris.target print(data.head()) print('----------------------------')d = pd.DataFrame({'target':[0, 1, 2],'target_names':iris.target_names}) print(d.head()) print('----------------------------')data = pd.merge(data,d,on='target') #最终形成的DataFrame包含四个分类特征、分类数值、分裂名称 print(data.head()) print('----------------------------')knn1 = neighbors.KNeighborsClassifier() knn1.fit(iris.data,iris.target) #使用分类数值构建模型 t1 = knn1.predict([[0.1,0.2,0.3,0.4]]) print('所在分类(数字表示)为',t1)knn2 = neighbors.KNeighborsClassifier() knn2.fit(iris.data,data['target_names']) #使用分类名称构建模型 t2 = knn2.predict([[0.1,0.2,0.3,0.4]]) print('所在分类(名称表示)为',t2)
# 上述输出结果
# sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) target # 0 5.1 3.5 1.4 0.2 0 # 1 4.9 3.0 1.4 0.2 0 # 2 4.7 3.2 1.3 0.2 0 # 3 4.6 3.1 1.5 0.2 0 # 4 5.0 3.6 1.4 0.2 0 # ---------------------------- # target target_names # 0 0 setosa # 1 1 versicolor # 2 2 virginica # ---------------------------- # sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) target target_names # 0 5.1 3.5 1.4 0.2 0 setosa # 1 4.9 3.0 1.4 0.2 0 setosa # 2 4.7 3.2 1.3 0.2 0 setosa # 3 4.6 3.1 1.5 0.2 0 setosa # 4 5.0 3.6 1.4 0.2 0 setosa # ---------------------------- # 所在分类(数字表示)为 [0] # 所在分类(名称表示)为 ['setosa']
