G3 – Algorithme des k plus proches voisins

Etape 5 – Formulation d’une prédiction

Ajouter au module « knn_main_program.py » les instructions qui suivent après avoir remplacer les ?? par ce qui convient.

"""kNN : programme principal."""

from ???

# Etape 1 : construction d'un dataset à partir des données enregistrées dans
#           un fichier csv
csvname ???
dataset ???

# Etape 2 : calcul des distances entre un iris "mystère" et les iris du
#           dataset
iris_myst ???
dist_voisins ???

# Etape 3 : sélection des k plus proches voisins de l'iris "mystère"
k ???
knn = ???

# Etape 4 : calcul du nombre de voisins par classe
n = ???

# Etape 5 : formulation d'une prédiction
classe = ["iris setosa", "iris virginica", "iris versicolor"]
prediction = "Prédiction basée sur : "+ str(???) +" voisins \n"
for id in range(len(n)):
    prediction += classe[n[id][0]].ljust(15) + " = "
    prediction += str(n[id][???]) + "/" + str(???)
    prediction += " soit " + str(n[???][???]).rjust(5) + "% \n"
print(???)