使用sklearn 决策树，KNN，以及自定义KNN类来实现分类

最新推荐文章于 2022-03-08 12:17:34 发布
最新推荐文章于 2022-03-08 12:17:34 发布
阅读量1.9k 收藏
点赞数
分类专栏： 机器学习个人笔记 文章标签： numpy knn分类器 决策树
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/github_38151745/article/details/71308356
版权
本文介绍了如何使用sklearn库的决策树和KNN分类器对花卉数据进行分类，并展示了如何利用scipy自定义KNN算法。通过训练数据和测试数据，比较了sklearn内置KNN与自定义KNN算法的分类效果，发现两者在准确率上的差距不大，自定义KNN算法使用默认的邻近数1，但这个参数可调。
摘要由CSDN通过智能技术生成

本函数主要是使用sklearn三方库的一些函数来实现花朵种类的分类
同时也使用scipy自定义KNN算法

import numpy as np
from sklearn.datasets import load_iris   #导入数据
from sklearn import tree  # 导入决策树

导入数据

> iris = load_iris()
# print iris.feature_names
# print  iris.target_names
# print iris.data[1]
# print iris.target[1]
iris = load_iris()
test_idx=[0,50,100]

对训练数据和测试数据进行分类 改算法实现只使用了一部分数据，下面将使用全部数据
训练数据

train_targe = np.delete(iris.target,test_idx)
train_data = np.delete(iris
最低0.47元/天 解锁文章
Sean_zzZ
关注
专栏目录
python运用sklearn实现KNN分类算法
weixin_44794704的博客
04-17 6659
KNN（K-Nearest-Neighbours Classiflication）分类算法 最简单的分类算法，易于理解和实现 实现步骤：通过选取与该点距离最近的k个样本，在这k个样本中哪一个类别的数量多，就把k归为哪一类。 注意 该算法需要保存训练集的观察值，以此判定待分类数据属于哪一类 k需要进行自定义，一般选取k<30 距离一般用欧氏距离，即d=(x2−x1)2+(y2−y1)2d ...
【sklearn机器学习】KNN分类
YFR718的博客
06-18 410
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, weights=’uniform’, algorithm=’auto’, leaf_size=30, p=2, metric=’minkowski’, metric_params=None, n_jobs=None, **kwargs)
sklearn 学习 第三篇：knn分类
albh81462的博客
07-31 1050
K临近分类是一种监督式的分类方法，首先根据已标记的数据对模型进行训练，然后根据模型对新的数据点进行预测，预测新数据点的标签（label），也就是该数据所属的分类。 一，kNN算法的逻辑 kNN算法的核心思想是：如果一个数据在特征空间中最相邻的k个数据中的大多数属于某一个类别，则该样本也属于这个类别（类似投票），并具有这个类别上样本的特性。通俗地说，对于给定的测试样本和基于某种度量距离...
sklearn实现KNN分类算法
ccc369639963的博客
03-08 6016
sklearn实现KNN分类算法 Pyhthon Sklearn 机器学习库提供了 neighbors 模块，该模块下提供了 KNN 算法的常用方法，如下所示： 类方法 说明 KNeighborsClassifier KNN 算法解决分类问题 KNeighborsRegressor KNN 算法解决回归问题 RadiusNeighborsClassifier 基于半径来查找最近邻的分类算法 NearestNeighbors 基于无监督学习实现KNN算法 KDTree 无监督学
基于SKLearn的KNN分类
04-10
基于python库的SKLearn的KNN分类，将用户产生的报文有用的部分摘取出来，进行KNN分类处理，并检测分类的正确度
KNN，SVM，决策树，朴素贝叶斯.rar_SVM_python SVM 分类_sklearn 包的基本使用_sklearn分类
09-23
在机器学习领域，有多种算法用于分类任务，其中包括K近邻（K-Nearest Neighbors，简称KNN）、支持向量机（Support Vector Machine，简称SVM）、决策树（Decision Tree）以及朴素贝叶斯（Naive Bayes）。在Python编程...
new_决策树、KNN分类_源码
09-29
综上所述，"new_决策树、KNN分类_源码"这个压缩包可能包含了使用Python和scikit-learn实现的决策树和KNN分类器的代码，同时使用了交叉验证来优化模型性能。开发者可能通过比较这两种算法在特定数据集上的表现，从而...
sklearn、knn、朴素贝叶斯、决策树.zip
05-03
sklearn、knn、朴素贝叶斯、决策树 100页PPT + Python源码 + 思维导图 + 运行结果截图 sklearn是基于python语言的机器学习工具包，是目前做机器学习项目当之无愧的第一工具。 sklearn自带了大量的数据集，可供我们...
使用adaboost，贝叶斯朴素法，决策树，knn，逻辑斯蒂，最大熵，svm，感知机算法实现了MNIST数据集学习并分类
最新发布
06-21
使用adaboost，贝叶斯朴素法，决策树，knn，逻辑斯蒂，最大熵，svm，感知机算法实现了MNIST数据集学习并分类。一共八种算法的使用案例。 使用adaboost，贝叶斯朴素法，决策树，knn，逻辑斯蒂，最大熵，svm，感知机...
利用KNN对数据进行分类
09-28
本代码可以实现matlab中KNN对数据的分类，以iris经典数据集为例，分类准确率较高。
机器学习——KNN及sklearn实现
Tao_RY的博客
12-03 785
前言：简单介绍KNN算法，sklearn实现 机器学习专栏：机器学习专栏 文章目录一、KNN算法原理二、算法参数1、距离2、K值二、sklearn实现KNN 一、KNN算法原理 K近邻算法是一种“懒惰学习”（lazy learning），就是你给我一个测试样本，我才需要去处理。与其相反的是“急切学习”（eager learning），即是在训练阶段就对数据进行处理。 对于分类问题，KNN算法步骤...
k-nearest neighbors algorithm - k 最近邻算法
既然选择了远方 便只顾风雨兼程 - 永强
04-11 2670
kkk-nearest neighbors algorithm - kkk 最近邻算法 In pattern recognition, the kkk-nearest neighbors algorithm (kkk-NN) is a non-parametric method used for classification and regression. In both cases, the input consists of the kkk closest training examples in th
sklearn学习笔记之knn分类算法
LY的博客
04-09 453
# -*- coding: utf-8 -*- import sklearn from sklearn import neighbors import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn import datasets import pandas as ...
Sklearn——用Sklearn实现K近邻分类(KNN)
热门推荐
weixin_37763870的博客
03-29 2万+
文章目录1.前言2.KNN实战2.1.导入必要模块2.2.加载数据2.3.训练+预测 1.前言 Sklearn 把所有机器学习的模式整合统一起来了，学会了一个模式就可以通吃其他不同类型的学习模式。 例如，分类器， Sklearn 本身就有很多数据库，可以用来练习。 以 Iris 的数据为例，这种花有四个属性，花瓣的长宽，茎的长宽，根据这些属性把花分为三类。 我们要用分类器去把四种类型的花分开。 K...
KNN之iris鸢尾花数据集的分类
qq_41481924的博客
03-12 2562
鸢尾花数据集 导入库 from sklearn.neighbors import KNeighborsClassifier from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import Standa...
第四章 进阶算法-数学建模 3.3KNN最近邻分类
易燃易爆炸的博客
06-02 1346
【课程3.3】 KNN最近邻分类 如果一个样本最相近的k个邻居里，绝大多数样本属于某个类别，则该样本也属于这个类别 ！！！实际分析前需要进行数据归一化 参考https://blog.csdn.net/qq_33531400/article/details/83537750 一、函数介绍 from sklearn import neighbors neighbors.KNeighborsClass...
R语言构建决策树模型（decision tree）并可视化决策树：自定义函数计算对数似然、自定义函数计算模型的分类效能（accuray、F1、偏差Deviance）、使用pander包美化界面输出内容
data+scenario+science+insight
12-13 1060
R语言构建决策树模型（decision tree）并可视化决策树：自定义函数计算对数似然、自定义函数计算模型的分类效能（accuray、F1、偏差Deviance）、使用pander包美化界面输出内容
# 机器学习算法总结-第一天(KNN、决策树)
weixin_30340745的博客
05-14 167
KNN算法总结 KNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别。（监督） k近邻算法（knn）是一种基本的分类与回归的算法，k-means是一种基本的聚类方法。 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是...
鸢尾花分类 决策树 knn 对比
05-19
鸢尾花分类问题是一个机器学习中的经典问题，决策树和kNN都可以用于解决这个问题。下面是两种算法的对比： 1. 决策树 决策树是一种基于树结构的分类模型。它通过不断地对数据进行划分，最终生成一棵决策树来完成分类任务。在鸢尾花分类问题中，决策树可以根据花萼长度、花萼宽度、花瓣长度和花瓣宽度等特征对鸢尾花进行分类。决策树的优点在于可以直观地呈现决策过程，易于理解和解释。 2. kNN kNN是一种基于距离的分类模型。它根据样本之间的距离来进行分类，即找出距离待分类样本最近的k个样本，然后根据这k个样本的类别来确定待分类样本的类别。在鸢尾花分类问题中，kNN可以根据花萼长度、花萼宽度、花瓣长度和花瓣宽度等特征计算样本之间的距离，并找出最近的k个样本来进行分类。kNN的优点在于简单易懂，且对数据分布不敏感。 总的来说，决策树和kNN都可以用于解决鸢尾花分类问题。决策树适用于特征比较多的情况，而kNN适用于数据量较小的情况。选择哪种算法取决于具体的应用场景和数据特点。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值