机器学习：scikit-learn中算法的调用、封装并使用自己所写的算法

一、scikit-learn库中的kNN算法

• scikit-learn库中，所有机器学习算法都是以面向对象的形式进行包装的；
• 所有scikit-learn库中机器学习算法的使用过程：调用、实例化、fit、预测；

　1）使用scikit-learn库中的kNN算法解决分来问题：

• 代码实现过程：

  import numpy as np
  import matplotlib.pyplot as plt
  
  raw_data_x = [[3.3935, 2.3312],
                [3.1101, 1.7815],
                [1.3438, 3.3684],
                [3.5823, 4.6792],
                [2.2804, 2.8670],
                [7.4234, 4.6965],
                [5.7451, 3.5340],
                [9.1722, 2.5111],
                [7.7928, 3.4241],
                [7.9398, 0.7916]]
  raw_data_y = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]
  
  X_train = np.array(raw_data_x)
  y_train = np.array(raw_data_y)
  x = np.array([8.0936, 3.3657]).reshape(1, -1)
  
  # 1）调用
  # 从KNeighborsClassifier类中调用kNN算法
  from sklearn.neighbors import KNeighborsClassifier
  
  # 2）实例化
  # 创建一个KNeighborsClassifier相应的实例
  # n_neighbors为kNN中的k值
  KNN_classifier = KNeighborsClassifier(n_neighbors = 6)
  
  # 3）fit过程