昇思25天学习打卡营第23天|基于MindSpore的红酒分类实验案例：从数据准备到模型预测

news2025/1/10 1:22:04

MindSpore 版本配置与红酒数据集下载

葡萄酒数据读取、处理与可视化分析

基于 KNN 算法的样本分类模型构建与预测函数定义

基于 KNN 模型的测试集预测与准确率计算

MindSpore 版本配置与红酒数据集下载

首先使用 %%capture captured_output 捕获后续代码的输出。然后，通过 pip 命令卸载已安装的 mindspore 库，并从指定源安装特定版本 2.3.0rc1 的 mindspore 库，随后查看当前安装的 mindspore 版本。接着，从 download 模块导入 download 函数，用于下载指定的红酒数据集。指定了数据集的 url 地址，并指定将其下载到当前目录（./），采用 zip 格式，若已存在则进行替换。

代码如下：

%%capture captured_output
# 实验环境已经预装了mindspore==2.3.0rc1，如需更换mindspore版本，可更改下面mindspore的版本号
!pip uninstall mindspore -y
!pip install -i https://pypi.mirrors.ustc.edu.cn/simple mindspore==2.3.0rc1
# 查看当前 mindspore 版本
!pip show mindspore
from download import download

# 下载红酒数据集
url = "https://ascend-professional-construction-dataset.obs.cn-north-4.myhuaweicloud.com:443/MachineLearning/wine.zip"  
path = download(url, "./", kind="zip", replace=True)

葡萄酒数据读取、处理与可视化分析

首先进行了一些必要的库导入，并设置了绘图的环境。然后设置了 MindSpore 的运行上下文为 CPU 。接着读取了一个名为 wine.data 的文件，并将数据转换为相应的数组 X（特征数据）和 Y（标签数据）。定义了一些属性名称。之后通过绘制多个子图，以不同的特征组合为横纵坐标，对数据进行了可视化展示，分别用不同的标记区分了不同的类别。

代码如下：

%matplotlib inline
import os
import csv
import numpy as np
import matplotlib.pyplot as plt

import mindspore as ms
from mindspore import nn, ops

ms.set_context(device_target="CPU")
with open('wine.data') as csv_file:
    data = list(csv.reader(csv_file, delimiter=','))
print(data[56:62]+data[130:133])
X = np.array([[float(x) for x in s[1:]] for s in data[:178]], np.float32)
Y = np.array([s[0] for s in data[:178]], np.int32)
attrs = ['Alcohol', 'Malic acid', 'Ash', 'Alcalinity of ash', 'Magnesium', 'Total phenols',
         'Flavanoids', 'Nonflavanoid phenols', 'Proanthocyanins', 'Color intensity', 'Hue',
         'OD280/OD315 of diluted wines', 'Proline']
plt.figure(figsize=(10, 8))
for i in range(0, 4):
    plt.subplot(2, 2, i+1)
    a1, a2 = 2 * i, 2 * i + 1
    plt.scatter(X[:59, a1], X[:59, a2], label='1')
    plt.scatter(X[59:130, a1], X[59:130, a2], label='2')
    plt.scatter(X[130:, a1], X[130:, a2], label='3')
    plt.xlabel(attrs[a1])
    plt.ylabel(attrs[a2])
    plt.legend()
plt.show()

运行结果：

基于 KNN 算法的样本分类模型构建与预测函数定义

首先通过随机选择生成训练集和测试集的索引。然后定义了一个名为 KnnNet 的类，用于计算输入样本与训练集样本的距离并获取最接近的 k 个样本的索引。接着定义了一个 knn 函数，将输入样本转换为张量后，通过 KnnNet 类获取最接近的样本索引，统计这些索引对应标签的数量，最终返回数量最多的标签类别。

代码如下：

train_idx = np.random.choice(178, 128, replace=False)
test_idx = np.array(list(set(range(178)) - set(train_idx)))
X_train, Y_train = X[train_idx], Y[train_idx]
X_test, Y_test = X[test_idx], Y[test_idx]
class KnnNet(nn.Cell):
    def __init__(self, k):
        super(KnnNet, self).__init__()
        self.k = k

    def construct(self, x, X_train):
        #平铺输入x以匹配X_train中的样本数
        x_tile = ops.tile(x, (128, 1))
        square_diff = ops.square(x_tile - X_train)
        square_dist = ops.sum(square_diff, 1)
        dist = ops.sqrt(square_dist)
        #-dist表示值越大，样本就越接近
        values, indices = ops.topk(-dist, self.k)
        return indices

def knn(knn_net, x, X_train, Y_train):
    x, X_train = ms.Tensor(x), ms.Tensor(X_train)
    indices = knn_net(x, X_train)
    topk_cls = [0]*len(indices.asnumpy())
    for idx in indices.asnumpy():
        topk_cls[Y_train[idx]] += 1
    cls = np.argmax(topk_cls)
return cls

基于 KNN 模型的测试集预测与准确率计算

首先初始化了准确率变量 acc 为 0 ，并创建了一个 KnnNet 实例，设置 k 值为 5 。然后通过遍历测试集的样本 x 和对应的真实标签 y ，使用 knn 函数进行预测得到预测标签 pred 。每次预测后，将预测正确的次数累加到 acc 中，并打印出真实标签和预测标签。最后，计算并打印出验证集的准确率，即预测正确的次数除以测试集样本数量。

代码如下：

acc = 0
knn_net = KnnNet(5)
for x, y in zip(X_test, Y_test):
    pred = knn(knn_net, x, X_train, Y_train)
    acc += (pred == y)
    print('label: %d, prediction: %s' % (y, pred))
print('Validation accuracy is %f' % (acc/len(Y_test)))

运行结果：

label: 1, prediction: 1
label: 2, prediction: 2
label: 2, prediction: 3
label: 3, prediction: 3
label: 1, prediction: 1
label: 3, prediction: 2
label: 1, prediction: 1
label: 3, prediction: 2
label: 3, prediction: 3
label: 1, prediction: 1
label: 1, prediction: 1
label: 1, prediction: 2
label: 3, prediction: 3
label: 1, prediction: 3
label: 3, prediction: 3
label: 1, prediction: 1
label: 3, prediction: 3
label: 3, prediction: 2
label: 3, prediction: 3
label: 3, prediction: 2
label: 3, prediction: 3
label: 1, prediction: 1
label: 1, prediction: 3
label: 1, prediction: 3
label: 3, prediction: 2
label: 1, prediction: 1
label: 3, prediction: 3
label: 1, prediction: 1
label: 1, prediction: 1
label: 1, prediction: 1
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 2
label: 2, prediction: 1
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 3
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 3
label: 2, prediction: 2
Validation accuracy is 0.660000

打印时间：