发布模型

本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 54 课，共 58 课。

测试用的企鹅等待了整个项目。用训练行拟合调优后的流水线，然后只在测试企鹅上评估一次：这才是可信的数值。

然后看看它在哪里出错。诊所的模型会将患者分为健康、感冒或流感；行表示真实情况，列表示模型的猜测：

诊所模型对 60 名测试患者的 3×3 混淆矩阵，类别为健康、感冒和流感：对角线上分别有 20、14 和 17 个正确结果，另有 5 名感冒患者被判为流感

新企鹅是一张包含训练列的单行表格。predict 用来标识它，predict_proba(new).max() 表示预测有多确定：即胜出类别所占的比例；对于 k-NN，就是意见一致的邻居所占的比例。

挑战

中等

终点。model 是调优后的流水线；起始代码会将一只新企鹅读入 new_penguin。

用训练数据拟合模型。打印测试准确率（保留 3 位小数），以及正确分类的测试企鹅数量。
在 ax 上绘制测试预测的混淆矩阵，并显示出来。
说出这只新企鹅的种类，以及模型的置信度百分比。

以下是另一个站点的企鹅群数据：

Test accuracy: 0.960 (72 of 75 penguins)
New penguin: Gentoo (86% sure)

对应的混淆矩阵：

另一个站点的混淆矩阵，标题为 Test Penguins：正确识别了 29 只 Adelie、16 只 Chinstrap 和 27 只 Gentoo；1 只 Adelie 被识别为 Chinstrap，2 只 Chinstrap 被识别为 Adelie

然后 Coddy 会显示你的结果。《认识企鹅》中的那只明星企鹅测得的数据是 47.2、18.0、194 和 3650，来自 Dream，性别为雌性。用她的数据运行程序：她是什么种类？

亲手试试

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import ConfusionMatrixDisplay

# 来自 Meet the Penguins 的企鹅群体，以及它们的特征和标签
penguins = pd.read_csv("penguins.csv")
numbers = ["bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g"]
text = ["island", "sex"]
X = penguins[numbers + text]
y = penguins["species"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, stratify=y, random_state=0)

# 来自 Prepare the Data：两条处理流程
number_steps = make_pipeline(SimpleImputer(strategy="median"), StandardScaler())
text_steps = make_pipeline(SimpleImputer(strategy="constant", fill_value="unknown"), OneHotEncoder())
prep = ColumnTransformer([("numbers", number_steps, numbers), ("words", text_steps, text)])

# 来自 Choose a Model and Tune the Winner：k = 7 的 k-NN
model = make_pipeline(prep, KNeighborsClassifier(n_neighbors=7))

# 野外发现的一只新企鹅，用列名相同、只有一行的表表示
new_penguin = pd.DataFrame({
    "bill_length_mm": [float(input())],
    "bill_depth_mm": [float(input())],
    "flipper_length_mm": [float(input())],
    "body_mass_g": [float(input())],
    "island": [input()],
    "sex": [input()],
})

fig, ax = plt.subplots()
ax.set_title("Test Penguins")

# 在下方编写你的代码