你好，机器学习

本课属于 Coddy Machine Learning 学习旅程的“数据与图表”单元。第 1 课，共 60 课。

大多数程序都遵循人编写的规则。机器学习模型会从示例中找出自己的规则。

这里有 150 朵鸢尾花，每朵花都用一个点表示，点的位置由花瓣大小决定：

150 朵鸢尾花用点表示，横轴是花瓣长度，纵轴是花瓣宽度，分成三个清晰的簇，每个物种对应一种颜色和形状

看到这三组了吗？模型也能学会区分它们，然后给从未见过的花命名。

挑战

简单

这个程序已经准备好了。按下运行：模型会学习 112 朵花，然后识别 38 朵新花。

打开图表选项卡，看看它的预测结果。你能找出它犯的一个错误吗？然后提交。

亲手试试

# 点击“运行”，看看模型如何学习
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt

# 150 朵鸢尾花：它们的测量数据和品种
iris = load_iris()
X_learn, X_new, y_learn, y_new = train_test_split(iris.data, iris.target, random_state=0)

# 模型根据 112 朵花及其品种进行学习……
model = KNeighborsClassifier()
model.fit(X_learn, y_learn)

# ……然后识别 38 朵从未见过的花
guesses = model.predict(X_new)
right = (guesses == y_new).sum()
print(f"Studied {len(X_learn)} flowers")
print(f"Named {right} of {len(X_new)} new flowers correctly")

# 每朵新花用一个点表示，颜色代表模型猜测的品种；红色 X 标出猜错的花
fig, ax = plt.subplots()
for i, name in enumerate(iris.target_names):
    picked = guesses == i
    ax.scatter(X_new[picked, 2], X_new[picked, 3], label=f"guessed {name}")
wrong = guesses != y_new
ax.scatter(X_new[wrong, 2], X_new[wrong, 3], marker="x", color="red", s=120, label="mistake")
ax.set_title("The model's guesses for 38 new flowers")
ax.set_xlabel("petal length (cm)")
ax.set_ylabel("petal width (cm)")
ax.legend()
plt.show()