scikit-learn 机器学习算法--liuyubobobo---03-26

最新推荐文章于 2023-07-11 23:48:55 发布

土豆娃potato

最新推荐文章于 2023-07-11 23:48:55 发布

阅读量296

点赞数

分类专栏：日常之机器学习文章标签：人工智能 python

本文链接：https://blog.csdn.net/m0_49234921/article/details/115228163

版权

这篇博客介绍了如何使用scikit-learn库中的KNN算法进行分类。在训练过程中，博主遇到了一个ValueError，原因是输入数据不是2D数组。通过将数据reshape为2D解决了这个问题。博客还提到了模型调参的第二部分。

摘要由CSDN通过智能技术生成

通过调用scikit-learn 调用KNN算法进行分类

拟合的过程其实就是一个训练的过程。
在这里插入图片描述

在这里插入图片描述

使用scikit-learn封装的机器学习算法来训练数据的步骤：

加载scikit-learn中机器学习所对应的算法。
然后创建这个算法所对应的实例，如果这算法构造的过程中需要一些参数，相应的我们也需要传入一些参数。
需要fit，拟合一次我们的数据集。
最后就可以进行predict预测过程。

完整代码部分---------------------------

在这里插入图片描述

在这里插入图片描述

报错:
ValueError Traceback (most recent call last)
in
----> 1 KNN_Classifier.predict(x)

C:\Anoconda\lib\site-packages\sklearn\neighbors_classification.py in predict(self, X)
171 Class labels for each data sample.
172 “”"
–> 173 X = check_array(X, accept_sparse=‘csr’)
174
175 neigh_dist, neigh_ind = self.kneighbors(X)

C:\Anoconda\lib\site-packages\sklearn\utils\validation.py in inner_f(*args, **kwargs)
70 FutureWarning)
71 kwargs.update({k: arg for k, arg in zip(sig.parameters, args)})
—> 72 return f(**kwargs)
73 return inner_f
74

C:\Anoconda\lib\site-packages\sklearn\utils\validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, estimator)
617 # If input is 1D raise error
618 if array.ndim == 1:
–> 619 raise ValueError(
620 “Expected 2D array, got 1D array instead:\narray={}.\n”
621 "Reshape your data either using array.reshape(-1, 1) if "

Val