回顾：种子分拣器

本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 5 课，共 58 课。

挑战

简单

还记得开启本章的那些种子吗？现在来制作它们的分类器。seeds.csv包含 180 粒小麦种子：四项测量数据，名称列在features中，以及variety。起始代码会将一粒新种子读入单行表new_seed。

拆分数据，留出四分之一用于测试，使用random_state=0，并打印数据集大小。
打印训练集中最常见的品种：这是基线模型给出的答案。
使用这些测量数据拟合一个 K 近邻模型。打印其准确率和基线，四舍五入到小数点后 3 位。
打印这粒新种子的品种。

对于另一个农场的种子：

Train: 120 seeds, test: 40
Most common in training: Rosa
Accuracy: 0.925 (baseline 0.4)
New seed: Canadian

亲手试试

import pandas as pd

# 180 粒小麦种子：四项测量数据和品种
seeds = pd.read_csv("seeds.csv")
features = ["area_mm2", "length_mm", "width_mm", "groove_mm"]

# 实验室的一粒新种子，用单行表表示
new_seed = pd.DataFrame({
    "area_mm2": [float(input())],
    "length_mm": [float(input())],
    "width_mm": [float(input())],
    "groove_mm": [float(input())],
})

# 在下方编写你的代码