sklearn建模基本流程实操

尝试自己建立一个模型, 并完成红酒数据的预测.

import numpy as np
import pandas as pd
# 1. 先导入需要的算法模型
from sklearn.neighbors import KNeighborsClassifier
# 实例化
knn = KNeighborsClassifier(n_neighbors=3 )

# 2. 训练数据
rowdata = {'颜色深度':[14.23,13.2,13.16,14.37,13.24,12.07,12.43,11.79,12.37,12.04],
          '酒精浓度':[5.64,4.38,5.68,4.80,4.32,2.76,3.94,3.  ,2.12,2.6 ],
          '品种':[0,0,0,0,0,1,1,1,1,1]} #0 代表 “黑皮诺”，1 代表 “赤霞珠” 
# 3. 测试数据
new_data = np.array([12.8,4.1])

# 4. 将数据保存成DataFrame
wine_data = pd.DataFrame(rowdata)
wine_data

# 5. 提取出特征数据 X、y
X = wine_data.iloc[:,:-1].values
X
y = wine_data.iloc[:, -1].values
y

# 6. 使用训练集数据对算法进行训练
knn.fit(X, y)

# 7. 使用这个模型,对新的数据进行预测
# 注: 必须将数据变形成二维数据才能传入模型当中预测
knn.predict(new_data.reshape(1,2))

请根据学习内容回答以下问题:

输出测试数据new_data的预测结果，判断是哪种红酒品种？