例题如下
(1)题目描述:
KNN算法是k-Nearest Neighbor Classification的简称,也就是k近邻分类算法。
基本思路是在特征空间中查找k个最相似或者距离最近的样本,然后根据k个最相似的样本对未知样本进行分类。
下面请调用sklearn库中的KNN算法,实现以身高+体重对肥胖程度进行分类。
提示:每行数据分别为性别、身高、体重。
已知数据:[[1, 180, 85], [1, 180, 86], [1, 180, 90], [1, 180, 100], [1, 185, 120], [1, 175, 80], [1, 175, 60], [1, 170, 60],[1, 175, 90], [1, 175, 100], [1, 185, 90], [1, 185, 80]]
标签:[‘稍胖’, ‘稍胖’, ‘稍胖’, ‘过胖’, ‘太胖’, ‘正常’, ‘偏瘦’, ‘正常’, ‘过胖’, ‘太胖’, ‘正常’, ‘偏瘦’]
预测数据:[[1, 180, 70], [1, 160, 90], [1, 170, 85]]
代码如下
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from sklearn.neighbors import KNeighborsClassifier
# 加载数据
X = np.array([[1, 180, 85], [1, 180, 86