Python机器学习- 鸢尾花分类

1、描述

请编写代码实现train_and_predict功能，实现能够根据四个特征对三种类型的鸢尾花进行分类。
train_and_predict函数接收三个参数:
train_input_features—二维NumPy数组，其中每个元素都是一个数组，它包含:萼片长度、萼片宽度、花瓣长度和花瓣宽度。
train_outputs—一维NumPy数组，其中每个元素都是一个数字，表示在train_input_features的同一行中描述的鸢尾花种类。0表示鸢尾setosa，1表示versicolor，2代表Iris virginica。
prediction_features—二维NumPy数组，其中每个元素都是一个数组，包含:萼片长度、萼片宽度、花瓣长度和花瓣宽度。
该函数使用train_input_features作为输入数据，使用train_outputs作为预期结果来训练分类器。请使用训练过的分类器来预测prediction_features的标签，并将它们作为可迭代对象返回(如list或numpy.ndarray)。结果中的第n个位置是prediction_features参数的第n行。

2、code

# 导入numpy库，用于处理多维数组
import numpy as np
# 导入sklearn库中的数据集、模型选择、度量和朴素贝叶斯模块
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.naive_bayes import GaussianNB

# 定义train_and_predict函数，接收三个参数:训练输入特征、训练输出标签和预测输入特征
def train_and_predict(train_input_features, train_outputs, prediction_features):
    # 创建一个高斯朴素贝叶斯分类器对象
    clf = GaussianNB()
    # 使用训练输入特征和训练输出标签来训练分类器
    clf.fit(train_input_features, train_outputs)
    # 使用预测输入特征来预测输出标签，并将结果返回
    y_pred = clf.predict(prediction_features)
    return y_pred

# 加载鸢尾花数据集，包含150个样本，每个样本有四个特征和一个标签
iris = datasets.load_iris()
# 将数据集随机分成训练集和测试集，其中训练集占70%，测试集占30%，并设置随机种子为0
X_train, X_test, y_train, y_test = train_test_split(
    iris.data, iris.target, test_size=0.3, random_state=0
)

# 调用train_and_predict函数，使用训练集来训练分类器，并使用测试集来预测标签，将结果赋值给y_pred
y_pred = train_and_predict(X_train, y_train, X_test)

# 如果y_pred不为空，打印预测标签和真实标签的准确率，即正确预测的比例
if y_pred is not None:
    print(metrics.accuracy_score(y_test, y_pred))

3、描述

机器学习库 sklearn 自带鸢尾花分类数据集，分为四个特征和三个类别，其中这三个类别在数据集中分别表示为 0, 1 和 2，请实现 transform_three2two_cate 函数的功能，该函数是一个无参函数，要求将数据集中 label 为 2 的数据进行移除，也就是说仅保留 label 为 0 和为 1 的情况，并且对 label 为 0 和 1 的特征数据进行保留，返回值为 numpy.ndarray 格式的训练特征数据和 label 数据，分别为命名为 new_feat 和 new_label。

然后在此基础上，实现 train_and_evaluate 功能，并使用生成的 new_feat 和 new_label 数据集进行二分类训练，限定机器学习分类器只能从逻辑回归和决策树中进行选择，将训练数据和测试数据按照 8:2 的比例进行分割。
要求输出测试集上的 accuracy_score，同时要求 accuracy_score 要不小于 0.95。

4、code

#导入numpy库，它是一个提供了多维数组和矩阵运算等功能的Python库
import numpy as np
#导入sklearn库中的datasets模块，它提供了一些内置的数据集
from sklearn import datasets
#导入sklearn库中的model_selection模块，它提供了一些用于模型选择和评估的工具，比如划分训练集和测试集
from sklearn.model_selection import train_test_split
#导入sklearn库中的preprocessing模块，它提供了一些用于数据预处理的工具，比如归一化
from sklearn.preprocessing import MinMaxScaler
#导入sklearn库中的linear_model模块，它提供了一些线性模型，比如逻辑回归
from sklearn.linear_model import LogisticRegression
#导入sklearn库中的metrics模块，它提供了一些用于评估模型性能的指标，比如F1分数、ROC曲线面积、准确率等
from sklearn.metrics import f1_score,roc_auc_score,accuracy_score
#导入sklearn库中的tree模块，它提供了一些树形模型，比如决策树
from sklearn.tree import DecisionTreeClassifier

#定义一个函数transform_three2two_cate，它的作用是将鸢尾花数据集中的三分类问题转化为二分类问题
def transform_three2two_cate():
    #从datasets模块中加载鸢尾花数据集，并赋值给data变量
    data = datasets.load_iris()
    #其中data特征数据的key为data，标签数据的key为target
    #需要取出原来的特征数据和标签数据，移除标签为2的label和特征数据，返回值new_feat为numpy.ndarray格式特征数据，new_label为对应的numpy.ndarray格式label数据
    #需要注意特征和标签的顺序一致性，否则数据集将混乱
    #code start here
    
    #使用numpy库中的where函数找出标签为2的索引，并赋值给index_arr变量
    index_arr = np.where(data.target == 2)[0]
    #使用numpy库中的delete函数删除特征数据中对应索引的行，并赋值给new_feat变量
    new_feat = np.delete(data.data, index_arr, 0)
    #使用numpy库中的delete函数删除标签数据中对应索引的元素，并赋值给new_label变量
    new_label = np.delete(data.target, index_arr)

    #code end here
    
    #返回新的特征数据和标签数据
    return new_feat,new_label

#定义一个函数train_and_evaluate，它的作用是用决策树分类器来训练和评估鸢尾花数据集
def train_and_evaluate():
    #调用transform_three2two_cate函数，得到新的特征数据和标签数据，并赋值给data_X和data_Y变量
    data_X,data_Y = transform_three2two_cate()
    #使用train_test_split函数，将数据集划分为训练集和测试集，其中测试集占20%，并赋值给train_x,test_x,train_y,test_y变量
    train_x,test_x,train_y,test_y = train_test_split(data_X,data_Y,test_size = 0.2)
    #已经划分好训练集和测试集，接下来请实现对数据的训练
    #code start here
    
    #创建一个决策树分类器的实例，并赋值给estimator变量
    estimator = DecisionTreeClassifier()
    #使用fit方法，用训练集的特征和标签来训练决策树分类器
    estimator.fit(train_x, train_y)
    #使用predict方法，用测试集的特征来预测标签，并赋值给y_predict变量
    y_predict = estimator.predict(test_x)
    



    #code end here
    #注意模型预测的label需要定义为 y_predict，格式为list或numpy.ndarray
    #使用accuracy_score函数，计算测试集上的准确率分数，并打印出来
    print(accuracy_score(y_predict,test_y))

#如果这个文件是作为主程序运行，则执行以下代码
if __name__ == "__main__":
    #调用train_and_evaluate函数
    train_and_evaluate()
    #要求执行train_and_evaluate()后输出为：
    #1、{0,1}，代表数据label为0和1
    #2、测试集上的准确率分数，要求>0.95