scikit-learn的机器学习算法封装

本文介绍了如何在scikit-learn(sl)中使用k近邻(kNN)算法进行预测。kNN是唯一不需要训练过程的机器学习算法,其模型即训练数据集。在sl中,kNN被封装为面向对象的形式,通过fit()拟合数据,predict()进行预测。文中还展示了自定义kNNClassifier类的实现,包括fit()和predict()方法。
摘要由CSDN通过智能技术生成
import numpy as np
from math import Counter
from collections import Counter

#定义了K, X_train, y_train作为训练集,之后x是我们要预测,返回对应的x的y的值
def kNN_classify(k, X_train, y_train, x):
    assert 1 <= k <= X_train.shape[0], "k must be valid"
    assert X_train.shape[0] == y_train.shape[0],\
        "the size of X_train must equal to the size of y_train"
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值