机器学习初体验：KNN算法与鸢尾花的浪漫邂逅

最新推荐文章于 2024-09-30 18:26:55 发布

风清扬雨

最新推荐文章于 2024-09-30 18:26:55 发布

阅读量504

点赞数 7

分类专栏：人工智能文章标签： sklearn 人工智能机器学习

本文链接：https://blog.csdn.net/Jacklx888/article/details/139725306

版权

人工智能专栏收录该内容

38 篇文章

订阅专栏

🌟 机器学习初体验：KNN算法与鸢尾花的浪漫邂逅 🌸

Hey小伙伴们，想不想用最简单的方式踏入机器学习的大门？今天，我们就来聊聊KNN算法，以及它如何在经典的鸢尾花数据集上施展魔法！🌸

🌺 鸢尾花数据集：机器学习的入门砖

在机器学习的世界里，鸢尾花数据集就像是新手村，几乎每个学习者都会在这里练手。这个数据集包含了三种不同类型的鸢尾花（Setosa、Versicolor、Virginica）的特征，如花瓣长度、花瓣宽度、花萼长度和花萼宽度，以及对应的类别标签。🌺

📊 KNN算法：最近邻的智慧

KNN（K-Nearest Neighbors）算法，顾名思义，就是找到离我们最近的K个邻居，然后根据这些邻居的类别来决定我们属于哪一类。听起来是不是很简单？但是，它的应用却非常广泛，尤其是在分类问题上。🏃‍♂️

🎯 案例解析：用KNN识别鸢尾花

想象一下，你手上有一朵未知类型的鸢尾花，你想知道它属于哪一种。这时，KNN算法登场了，它会根据这朵花的特征，在数据集中找到最近的几朵花，然后根据这些花的类别投票决定未知花的类型。

✒️代码示例：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
data = load_iris()
X = data.data
y = data.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建KNN分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 预测
predictions = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, predictions)
print("Accuracy:", accuracy)