from sklearn.datasets import load_iris # 鸢尾花的数据集
from sklearn.model_selection import train_test_split # 分割训练集和测试集
from sklearn.neighbors import KNeighborsClassifier # K近邻法
# 加载鸢尾花数据集
iris = load_iris()
data = iris.data # 数据
label = iris.target # 标签
print(label, label.shape)
# 分割训练集和测试集:0.2作为测试集
x_train, x_test, y_train, y_test = train_test_split(data, label, test_size=0.2)
print(y_train)
print(y_test)
# 创建K近邻分类器
knn = KNeighborsClassifier(n_neighbors=5) # 这里设置K值为3,可以根据需要调整
# 使用训练集训练分类器
knn.fit(x_train, y_train)
# 使用训练好的模型对测试集进行预测
y_pred = knn.predict(x_test)
# 打印预测结果
print("原视结果:", y_test)
print("预测结果:", y_pred)
KNN卷积算法
最新推荐文章于 2024-08-14 23:30:40 发布