|
|
# 4.5 检测红酒品质
|
|
|
|
|
|
## 数据预处理
|
|
|
|
|
|
在使用k近邻算法进行检测之前，我们可以先查看一下各个特征的均值和标准差。
|
|
|
|
|
|
```python
|
|
|
[1.30006180e+01 2.33634831e+00 2.36651685e+00 1.94949438e+01 9.97415730e+01 2.29511236e+00 2.02926966e+00 3.61853933e-01 1.59089888e+00 5.05808988e+00 9.57449438e-01 2.61168539e+00 7.46893258e+02]
|
|
|
|
|
|
[8.09542915e-01 1.11400363e+00 2.73572294e-01 3.33016976e+00 1.42423077e+01 6.24090564e-01 9.96048950e-01 1.24103260e-01 5.70748849e-01 2.31176466e+00 2.27928607e-01 7.07993265e-01 3.14021657e+02]
|
|
|
```
|
|
|
|
|
|
从打印结果可以看出，有的特征的均值和标准差都比较大，例如如最后一个特征。如果现在用k近邻算法来对这样的数据进行分类的话，k近邻算法会认为最后一个特征比较重要。因为假设有两个样本的最后一个特征值分别为`1`和`100`，那么这两个样本之间的距离可能就被这最后一个特征决定了。这样就很有可能会影响k近邻算法的准确度。为了解决这种问题，我们可以对数据进行标准化。标准化的知识，以及如何实现标准化在第三章已经向你介绍过了，相信你对这些知识已经很熟悉了，在这里就不多赘述了。
|
|
|
|
|
|
|
|
|
## 检测品质
|
|
|
|
|
|
接下来就只需要调用之前实现的`knn_clf`方法就可以对测试集中的红数据进行品质检测了：
|
|
|
|
|
|
```python
|
|
|
predict = knn_clf(3,train_feature,train_label,test_feature)
|
|
|
predict
|
|
|
>>>array([6, 5, 4, 7, 4, 3, 6, 4, 5, 4, 9, 2, 7, 8, 4, 6, 9, 5, 7, 4, 7, 5,
|
|
|
8, 6, 0, 9, 6, 4, 5, 7, 5, 9, 8, 6, 4, 8, 8, 5, 5, 6, 7, 9, 4, 6,
|
|
|
8, 7, 6, 7, 4, 5, 4, 5, 4, 2, 4, 7, 0, 5, 5, 5, 4, 6, 7, 8, 5, 6,
|
|
|
8, 5, 5, 4, 6, 3, 7, 4, 3, 4, 6, 9, 7, 7, 8, 5, 6, 5, 6, 5, 5, 4,
|
|
|
9, 7, 7, 6, 8, 8, 6, 8, 5, 7, 4, 6, 8, 8, 5, 4, 6, 5, 6, 9, 9, 5])
|
|
|
```
|
|
|
|
|
|
再根据测试集标签即真实分类结果，计算出正确率：
|
|
|
|
|
|
```python
|
|
|
acc = np.mean(predict==test_label)
|
|
|
acc
|
|
|
>>>0.994
|
|
|
```
|
|
|
|
|
|
可以看到，使用k近邻算法检测红酒品质，正确率能达到`99%`以上。此时此刻，我相信，红酒鉴定师的烦恼要从活太多干不完，转变成以后可能没活干了。 |
