sklearn3

1. from sklearn.neighbors import KNeighborsClassifier
   如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)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。KNeighborsClassifier使用很简单，三步：1）创建KNeighborsClassifier对象，2）调用fit函数，3）调用predict函数进行预测。

2. raw_input()用来获取控制台的输入python3中已经没有了用input（）代替

3. from sklearn.model_selection import KFold, cross_val_score 
   

   KFold(n_splits=3, shuffle=False, random_state=None)

   n_splits：表示划分几等份

   shuffle：在每次划分时，是否进行洗牌

   ①若为Falses时，其效果等同于random_state等于整数，每次划分的结果相同

   ②若为True时，每次划分的结果都不一样，表示经过洗牌，随机取样的

4. from sklearn.svm import SVC 
   SVC(support vectors classification)

5. from sklearn.tree import DecisionTreeClassifier 
   mode= DecisionTreeClassifier(criterion='gini') 
   mode.fit(X,y) 
   y_test=mode.predict(x_test)

6. from sklearn.ensemble import RandomForestClassifier,AdaBoostClassifier clf = AdaBoostClassifier(n_estimators=100) #迭代100次
   

7. from sklearn.naive_bayes import GaussianNB

         gNB = GaussianNB()

        gNB.fit(X_train,y_train)

        gNB.score(X_test,y_test)

8.from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis as QDA

线性判别分析和二次判别分析