概述
k近邻算法(knn),是一个理论上比较成熟的方法,也是最简单的机器学习算法之一,常用于分类,也用于回归。
原理及实现:挖个坑
应用
分类
数据集:mglearn的forge
调用方法:sklearn.neighbors.KNeighborsClassifier库的KNeighborsClassifier方法
import mglearn
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = mglearn.datasets.make_forge()
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
clf = KNeighborsClassifier(n_neighbors=3).fit(X_train, y_train)
print("Test set accuracy: {:.2f}".format(clf.score(X_test, y_test)))
当参考邻居数为1和3时的效果图(五角星为新样本)