structured_data_classification/iris-kmeansklearn.py

# https://pythonru.com/uroki/sklearn-kmeans-i-knn
# https://gitlab.com/PythonRu/notebooks/-/blob/master/classified_data.csv

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix



raw_data = pd.read_csv('iris.csv')
print(raw_data.head())
y = raw_data['variety']

raw_data = raw_data.drop(["variety"], axis = 1)
print(raw_data.head())


scaler = StandardScaler()
scaler.fit(raw_data)
scaled_features = scaler.transform(raw_data)
scaled_data = pd.DataFrame(scaled_features, columns = raw_data.columns)

x = scaled_data

x_training_data, x_test_data, y_training_data, y_test_data = train_test_split(x, y, test_size = 0.3)


model = KNeighborsClassifier(n_neighbors = 1)

model.fit(x_training_data, y_training_data)

predictions = model.predict(x_test_data)
# print(predictions)

print(classification_report(y_test_data, predictions))

print(confusion_matrix(y_test_data, predictions))
# # # Вывод:
# [[17  0  0]
# [ 0 13  2]
# [ 0  2 11]]


# # '''
# # Выбор оптимального значения для K с помощью метода «Локтя»
# # '''

error_rates = []

for i in np.arange(1, 101):
    new_model = KNeighborsClassifier(n_neighbors = i)
    new_model.fit(x_training_data, y_training_data)
    new_predictions = new_model.predict(x_test_data)
    error_rates.append(np.mean(new_predictions != y_test_data))

plt.plot(error_rates)
plt.grid()
plt.show()
# '''
# Как видно из графика, мы достигаем минимальной частоты ошибок при значении K,
# равном приблизительно 15. Это означает, что 35 является подходящим выбором для K,
# который сочетает в себе простоту и точность предсказаний.
# '''

model = KNeighborsClassifier(n_neighbors = 15)
model.fit(x_training_data, y_training_data)
predictions = model.predict(x_test_data)
print(predictions)
print(classification_report(y_test_data, predictions))
print(confusion_matrix(y_test_data, predictions))