KNN算法预测iris数据集

最新推荐文章于 2023-04-12 01:03:51 发布
最新推荐文章于 2023-04-12 01:03:51 发布
阅读量2.5k 收藏 10
点赞数 2
分类专栏： 机器学习 个人小记 文章标签： KNN IRIS Python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_25174673/article/details/85999172
版权
本文介绍了使用KNN算法预测鸢尾花数据集的过程。数据集包含150个样本，4个特征和3种鸢尾花类别。通过皮尔森相关性系数矩阵分析特征，并将数据划分为训练集和测试集进行预测。
摘要由CSDN通过智能技术生成

KNN算法预测iris数据集

1.数据集介绍

鸢尾花灰Iris数据集中有150个样本，每个样本有4个特征，1个标签。其中，鸢尾花种类可取0、1、2，分别代表山鸢尾setosa、变色鸢尾versicolor、维吉尼亚鸢尾virginica。

2.代码解析

首先导入iris数据集，在sklearn库里面已经有了。iris.data()是特征数据，iris.target()是标签数据。根据这些我们绘制一个皮尔森相关性系数矩阵。公式如下：

 我们只需要关注第一个等号后面的公式。两个变量X,Y的皮尔森相关性系数等于他们之间的协方差cov(X,Y)除以他们各自标准差的乘积。这里我不展开具体描述，详细内容可见http://blog.sina.com.cn/s/blog_69e75efd0102wmd2.html。至于协方差和方差的计算我简要说一下。

  • 方差࿱
最低0.47元/天 解锁文章
程序小学生
关注
专栏目录
Iris数据集的KNN算法实现
12-09
本算法是Iris数据集使用KNN算法的代码，KNN算法的实现是比较简单的，我使用的是最简单的KNN算法，可以作为借鉴。
KNN算法实现对iris数据集的预测
ooblack的博客
10-29 840
KNN算法的实现 第一次写机器学习算法，写的是KNN预测iris数据集、不会矩阵运算，实现起来很呆，但是总归还是实现了 import pandas as pd from math import dist k = int(input("请输入k值（不能输入三的倍数！）：")) dataTest = pd.read_csv('iristest.csv', header=None).values trainData = pd.read_csv('iristrain.csv', header=None).valu
python 实现 knn分类算法 (Iris 数据集）
热门推荐
chesian的专栏
07-17 2万+
1、KNN分类算法KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法。他的核心思想就是，要确定测试样本属于哪一类，就寻找所有训练样本中与该测试样本“距离”最近的前K个样本，然后看这K个样本大部分属于哪一类，那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。KNN算法不仅...
用KNN算法预测iris数据集
Tworld
04-01 4195
鸢尾花（iris）数据集包含150条鸢尾花的数据，每条包含四个参数和一个标签，我们需要根据四个参数来预测出当前这朵花属于哪个类别。KNN（K Nearest Neighbors）算法是经典的懒惰学习算法，也就是说它没有训练过程，直接根据已有数据进行预测。KNN基于这样一个假设：对当前要预测的数据t，找到和t最相似的k个已知标签的训练数据，然后获取这k条训练数据的标签，把出现次数最多的标签作为t的预...
KNN分类算法介绍，用KNN分类鸢尾花数据集（iris）
最新发布
weixin_51756038的博客
04-12 4662
为了判断未知样本的类别，已所有已知类别的样本作为参照，计算未知样本与已知样本的距离，从中选取与未知样本距离最近的K个已知样本，根据少数服从多数的投票法则（Majority-Voting)，将未知样本与K个最近邻样本中所属类别占比较多的归为一类。其中，K表示要选取的最近邻样本的实例的个数，可以根据实际情况进行选择。当样本不平衡时，即一个类的样本数量很大，而其它类样本数量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大数量类的样本容易占多数，导致错误分类。比如，对样本距离小的邻域数据赋予更大的权值。
KNN算法 使用KNN对iris数据集分类
cj187340的博客
03-09 7777
一、KNN算法 (K近邻算法) 简述 可以简单粗暴的认为在判断一个未知事物时，可以观察离它最近的几个样本。 步骤： 寻找样本数据集K个最近的元素 计算K个元素中各种类别的占比 占比最高的类别即为新数据的类别 K的取值对结果有很大的影响 如下图，中间的圆要被赋予哪个类？是三角形还是正方形？如果K=3，由于三角形所占比例为2/3，圆将被赋予三角形那个类；如果K=7，由于正方形所占比例为4/7，圆将被赋予正方形那个类 计算复杂度优化 计算新数据（未知样本）和K个训练样本的距离dist； 得
【机器学习算法】手动Python实现KNN分类算法，并用iris数据集检验模型效果
12-22
KNN是机器学习十大算法之一，因为原理很好理解，有一句话：“Talk is cheap.Show me the code.” 所以用Python来实现一下吧，并在iris数据集上检验模型效果。 算法原理：看新样本与最接近的那个训练集样本属于哪一类
ML之kNN：利用kNN算法对莺尾(Iris)数据集进行多分类预测
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
02-23 9004
ML之kNN：利用kNN算法对莺尾(Iris)数据集进行多分类预测 目录 输出结果 设计思路 核心代码 输出结果 输出数据说明： Iris Plants Database ==================== Notes ----- Data Set Characteristics: :Number of Instance...
Iris数据集及KNN源码
03-08
Iris数据集以及Java实现的KNN分类器，博客地址：http://blog.csdn.net/zhongkejingwang/article/details/44132771
KNN-iris
perkz的博客
04-09 328
前言： 上篇介绍了knn的实现过程，这次我们使用库里自带的数据集来进行knn的实现。 正文： import numpy as np #datasets里面自带数据集 #本次使用的鸢尾花的数据就包含在其中 #里面还有乳腺癌，波士顿房价等数据可供使用 from sklearn import datasets #train_test_split函数将你传入的数据自动分为训练集和测试集 from skle...
R语言iris knn算法用于分类预测
Mrrunsen的博客
09-04 1137
简单易用，相比其他算法，KNN算是比较简洁明了的算法。即使没有很高的数学基础也能搞清楚它的原理。模型训练时间快，上面说到KNN算法是惰性的，这里也就不再过多讲述。对内存要求较高，因为该算法存储了所有训练数据。对不相关的功能和数据规模敏感。
Sklearn案例：使用KNN模型对iris数据进行分类
weixin_50259126的博客
03-10 531
使用sklearn来对iris数据集进行KNN分类
ML—KNN（K近邻，iris数据集为例）
u010513327的博客
11-26 2741
KNN笔记 算法大致步骤（预测y的类别为例）： 1）计算样本y与训练样本（已知标签样本）的距离； 2）找出距离最近的K个样本； 3）选择这K个样本中出现最多的类别作为y的类别标记；   数据集 iris为鸢尾花样本，前四列为特征，最后一列为标签，如下图 数据连接：http://archive.ics.uci.edu/ml/machine-learning-databases/ir...
Python机器学习实验二：2.编写代码，实现对iris数据集的KNN算法分类及预测并改进
于笨笨的博客
03-21 2320
Python机器学习实验二：2.编写代码，实现对iris数据集的KNN算法分类及预测并改进 2、改进模型，要求： （1）数据集划分采用10折交叉验证； （2）寻找最优的n_neighbors值（在5-10之间）； （3）使用新的模型预测未知种类的鸢尾花。 待预测未知数据： X1=[[1.5 , 3 , 5.8 , 2.2], [6.2 , 2.9 , 4.3 , 1.3]] 点个👍吧 #引入十折交叉验证算法 import numpy as np from sklearn.model_selection im
机器学习：KNN对iris分类
Atom爱疼的博客
11-14 1659
from sklearn import neighbors #调用neighbors from sklearn import datasets #调用datasets里面的iris数据 knn = neighbors.KNeighborsClassifier()#knn分类器 #调用数据集 iris = datasets.load_iris() #print(iris) #使用fit建立模...
Python机器学习实验二：1.编写代码，实现对iris数据集的KNN算法分类及预测
于笨笨的博客
03-21 4525
Python机器学习实验二：编写代码，实现对iris数据集的KNN算法分类及预测 1、编写代码，实现对iris数据集的KNN算法分类及预测，要求： （1）数据集划分为测试集占20%； （2）n_neighbors=5； （3）评价模型的准确率； （4）使用模型预测未知种类的鸢尾花。 import numpy as np from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris fro
KNN 算法实现 Iris 数据集分类
weixin_53598445的博客
03-21 6488
文章目录1 scikit-learn介绍2 scikit-learn常用模块2.1 数据集模块2.2 数据预处理模块2.3 特征提取与选择模块3 K邻近算法(K-Nearest Neighbor, KNN)介绍4 KNN算法实现Iris数据集的分类 1 scikit-learn介绍 scikit-learn与机器学习的关系： Scikit-learn是基于Python语言的第三方机器学习库。它包含了几乎所有主流机器学习算法的实现，并提供一致的调用接口。 Scikit-learn基于 NumPy 和 Sci
iris数据的KNN实现
chenchunyue11的博客
05-15 1190
iris数据的KNN实现 数据来源UCI dataset  http://archive.ics.uci.edu/ml/数据简介： 1.Title: Iris Plants Database   Updated Sept 21 by C.Blake - Added discrepency information 2.Sources:      (a) Creator:
MATLAB实现KNN算法：iris数据集分类
"该资源是关于使用MATLAB实现K近邻（K-Nearest Neighbors，简称KNN）算法对鸢尾花（Iris）数据集进行分类的代码示例，具有较高的分类准确率。" K近邻（KNN）算法是一种基于实例的学习方法，也称为惰性学习。在分类...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值