机器学习 -- KNN算法（Ⅶ 数据集拆分函数化实现及计算预测准确率）

根据上节机器学习 -- KNN算法（数据集的拆分），这里实现数据集拆分函数化的实现，以及计算预测准确率。

 

1. 首先需要导入需要的模块和包：

import numpy as np
from sklearn import datasets
from knn import KNNClassifier  # 使用自己的分类器

2. 之前实现的自己的分类器如下：

# knn.py
class KNNClassifier:

    # 初始化KNN分类器
    def __init__(self, k):
        assert k >= 1, "k必须为合法值"
        self.k = k
        # 以_开头代表私有变量，外界不能访问
        self._X_train = None
        self._y_train = None

    def fit(self, X_train, y_train):
        """
        根据训练集训练分类器
        :param X_train: 用户传入的训练集特征值
        :param y_train: 用户传入的训练集目标值
        :return: self自身对象
        """
        assert X_train.shape[0] == y_train.shape[0], \
            "训练集X必须和y的大小一致"
        assert