《人工智能导论》期末实验报告 A

使用 KNN 算法进行数据进行
题 目 分类预测
学 院 爱恩学院
专 业 市场营销
姓 名 周灵
学 号 2392139
教 师 杨诗琴

2022 年 12 月
 期末实验报告 A 评分表

五、实验
项目 一、算法概述 二、实验环境 三、实验内容 四、实验步骤 六、实验小结
结果与分析
分数 5 5 10 35 23 10
得分

说明：

1. 该期末实验报告均为个人完成，请勿直接抄袭也不要给其他同学参考。
2. 附录每个期末实验报告的查重率，查重率也作为评分参考依据之一。
 实验 A：使用 KNN 算法进行数据集分类预测

一、KNN 算法概述（补充完成 KNN 算法概述的内容）

首先导入了 sklearn 库中的相关模块，然后加载了鸢尾花数据集。接

着将数据集划分为训练集和测试集，并创建了 KNN 分类器。通过

fit 方法将训练集的特征和标签传入分类器进行训练，然后使用

predict 方法对测试集进行预测。最后打印出测试集的大小、真实结

果、预测结果和预测精确率。同时使用 sklearn 库中的 metrics 模块

来计算混淆矩阵和分类报告，评估模型的性能。

二、实验环境（可依据实际情况适当调整）

1. Windows 操作系统的客户端。

2. Python 环境：Python 3.10，scikit-learn 工具包。

三、实验内容（请同学们依据实验情况扩充实验内容）

1. 使用 KNN 对样本数据集进行分类预测。

2. 使用准确度、精确度、F1 分数等评价指标公式对实验结果进行分析与评价。

3. 使用 MAE，MSE，R2 等回归评价指标对算法的回归拟合度进行分析与评价。

4. 可视化展示预测结果及详细的指标报告。

四、实验步骤（根据实验内容以图文方式进行逐步叙述与展示）

1.导入鸢尾花数据并查看数据特征
2 获取属性、类别，并划分成测试集和训练集

3.分类器初始化并对训练集进行训练

4.对测试集数据的鸢尾花类型进行预测

5.运行

6. 使用准确度、精确度、F1 分数等评价指标公式对实验结果进行分析与评价。
7.运行

五、实验结果及分析

（主要内容是使用评价指标公式对实验结果进行分析与评价，使用

回归评价指标对算法的回归拟合度进行分析与评价。）
六、 实验体会（着重阐述实际遇到的问题与解决方案）

在进行使用准确度、精确度、F1 分数等评价指标公式对实验结果进行分析与评价。这个步
骤时，我用了先是用了 LableBinarizer 的方法，但是行不通，后来通过对二值化的定义发
现此实验不应当用二值化做，而是直接用 classification_report 来做。