KNN算法 案例

K-近邻算法API

1.步骤分析

• 1.获取数据集

• 2.数据基本处理

• 3.特征工程

• 4.机器学习(模型训练)

• 5.模型评估

• 导入模块

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

• 先从sklearn当中获取数据集，然后进行数据集的分割

# 1.获取数据集
iris = load_iris()

# 2.数据基本处理
# x_train,x_test,y_train,y_test为训练集特征值、测试集特征值、训练集目标值、测试集目标值
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)

• 进行数据标准化
  • 特征值的标准化

# 3、特征工程：标准化
transfer = StandardScaler()
x_train = transfer