师：上节课我们认识了Python库，利用内置的random库实现随机问题编程，还了解了turtle库并用它绘画。这些都是内置库，若有需要，也能使用第三方库。本节课我们将了解第三方库的安装方法、分析大数据的一般过程，以及机器学习的KNN算法和简单应用。在开始学习前，请同学们先观察计算机认识水果的过程。
这是一段Python程序，输入水果重量160克，表皮类型为“粗糙”，识别结果为橙子。继续识别，输入水果重量135克，表皮类型为“光滑”，识别结果为苹果。这与我们日常认知相符。
这是怎么做到的呢？同学们先想想小时候是怎么认识水果的。首先，爸爸妈妈给我们看一种水果，告诉我们这是什么水果，再给我们看另一种水果并告知名称，这个过程就是收集数据，收集各种水果的数据。见得多了，脑袋里就有了各种水果的样子，这就是建立模型。依据记忆中水果的样子，也就是水果模型，我们就能认识、判断各种水果，这是用模型判断识别水果的过程。这其实也是大数据分析的一般过程，这个过程能否在计算机上实现呢？能，就像我们刚才看到的。接下来学习如何让计算机通过学习数据识别水果。
按照认识水果的过程，第一步先收集数据，为训练模型做准备。收集水果的特征和类别数据，建立水果分类表。为方便计算机处理，把分类表中的数据分别表示成Python代码列表，其中features列表记录水果属性特征数据，每一条数据包含重量和果皮材质两项属性；Labels列表记录水果类别标签数据。注意，两个列表中的数据要和表格中的数据对应顺序一致，以保证训练数据的准确性。这里数据较少，实际中数据可能很多。为方便程序计算，还需把代码中的文字抽象化变成数字。在特征属性数据列表中，用1表示光滑，用0表示粗糙；在类别标签数据列表中，用0表示苹果，用1表示橙子。通过这个过程简化前面收集的数据，至此完成第一步收集数据，接下来就可以用它训练模型了。
在计算机开始学习训练模型前，需导入用于机器学习的第三方程序库，Python默认安装没有这个库，使用前要先安装。方法是以管理员身份运行命令提示符，在命令行窗口执行相应命令。安装第三方Python库的命令格式是：pip install库名。用于机器学习的第三方程序库名称为scikit - learn，所以安装命令为：pip install scikit - learn。安装后就可编写程序训练模型和用模型识别水果了。
在开始编写程序训练模型前，先来了解范例程序代码各部分的含义，注意左侧红色数字的行号标记。通过上节课学习，使用库前要先导入，所以程序第一行是从机器学习的第三方程序库sklearn库中导入neighbors，即KNN分析模型。注意，第三方机器学习程序库的导入名称是sklearn。程序第二、三行是准备好的训练数据列表，即属性数据features列表和标签数据labels列表。程序第4行调用Labels的KNN分析模型，注意其中的k值为3。程序第5行用准备好的数据训练模型，训练好模型后，就能用它识别判断新水果了。所以程序第6行用print语句打印输出判断数据160,0的结果，即重160克、粗糙的水果，识别判断结果正不正确，试一下才知道。请同学们观看完整过程。
我们来安装用于机器学习的第三方库。打开开始菜单，找到所有程序，点开附件中的命令提示符，在命令提示符上右键，选择以管理员身份运行。在打开的命令提示符窗口输入安装指令：pip install scikit - learn，然后回车，请耐心等待安装开始。计算机需要一定时间下载和安装这个库。
第三方库安装完成后，就可调用它编写程序。打开开始菜单所有程序，找到Python目录，点击打开IDLE编辑器。在打开的窗口选择file菜单下的new file，建立新的空白文档。输入刚才讨论的代码，点击file菜单的save选项，将文件保存到指定目录。
接下来运行程序检验结果。要识别的水果是重160克、表皮粗糙的水果。点击run菜单下的run MODULE，或按键盘F5键开始运行程序，输出结果为1，表明识别结果为橙子，这与预先设定的条件吻合。同学们可以自己试试，测试时可适当调整水果重量和表皮类型，看看结果是否正确。
生：老师，我修改了识别对象的属性，结果程序识别错了，输入的是苹果的数据，识别结果却是橙子，为什么呢？
师：小姚同学你好，为回答你的问题，我们先来了解一下KNN算法。这是一种基本的分类与回归算法，本质是让输入与给定的数据集进行距离计算，如果最近的点大部分为某一类，比如是A，则判定为A类，其中的k就是跟输入距离最近点的数量。KNN是一种特殊算法，通过把测试数据与训练集进行距离计算就可预测结果。如果训练集数据规模和质量合适，结果会更准确。在上面例子中，训练数据集里一共有5组水果属性数据，其中有3组标签为1，即有3个是橙子。老师注意到你的程序中k值为空，这时k会取默认值5。当k值为5时，程序会检查与待测数据相近的5个邻居的标签，5个邻居中有3个是橙子，所以识别结果总是橙子。这时就要考虑调整k值，使程序适应训练数据的特点。例如在范例中，当待测数据为160,0，k值为3的时候，程序找到与待测数据接近的三组数据，分别是150,0、170,0、168,0，它们都是橙子，所以识别结果为橙子。如果待测数据变化，有可能出现接近的三组数据中苹果较多，这时识别结果就会变化。老师建议你将k值调整为3试试。如果数据更复杂，这个方法是否可行呢？这里收集好了一份学生成绩数据表，表中有学生成绩，还有是否达到三好学生成绩要求的判定，0表示不达标，1表示达标，能否让计算机通过学习这份数据，学会预测和判断其他学生成绩是否达标，我们来试一试。