Python-机器学习（二）-K近邻算法的原理与鸢尾花数据集实现详解

make_blobs这个函数是用来生成数据的

font = {‘family’:“SimHei”,‘size’:20}

plt.rc(‘font’,**font)

##正常显示负号

plt.rcParams[‘axes.unicode_minus’]=False

from sklearn.datasets import make_blobs

#设置中心点

centers = [[-2,2],[2,2],[0,4]]

#n_samples的意思是要生成多少个样本数量

centers的意思是围绕着哪些点生成, cluster_std表示标准差生成的点离着多远

x,y=make_blobs(n_samples=50,centers=centers,cluster_std=0.6)

plt.figure(figsize=(16,10))

c=np.array(centers)

plt.scatter(x[:,0],x[:,1],c=y,s=100,cmap=‘cool’)

#中心点绘制

plt.scatter(c[:,0],c[:,1],s=100,marker=‘*’,c=‘black’)

plt.show()

如图可以看到 三个维度的数据及其中心点，使用KNeighborsClassifier 对算法进行训练

from sklearn.neighbors import KNeighbo