该博客介绍了如何使用Python的sklearn库实现KNN（K最近邻）算法。首先，通过加载Iris数据集来演示，数据集分为训练集和测试集。KNN模型被配置为使用3个邻居，并在训练数据上拟合。最后，计算模型在测试集上的预测准确率为0.921，说明模型表现良好。
库 sklearn
库下的工具：
datasets，model_selection，neighbors
K近邻代码思路：
有个数据集----对数据分割----调用KNN算法
iris = datasets.load_iris()
导入数据集
数据集权重：开源数据集，重要数据集之一
数据集特点：还有3个类别，所以可分类
数据集描述链接：https://archive.ics.uci.edu/ml/datasets/Iris/
x=iris.data
y=iris.target
x: 数据特征，y: 标签 或 分
y这里3个值。所以适合分类问题（0，1，2）
iris: 有150个已知数据，所以 len ( x ) , len ( y ) 都是150
print(x,y)
x_train , x_test , y_train , y_test = train_test_split ( x , y , random_state = 2003 )
分割数据集
x 是已知数据，一共 150 个，分成训练集112个 和 测试集38个
y 同理
目的：
最低0.47元/天 解锁文章
4726
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
