sklearn.neighbors 模块中使用 KNeighborsClassifier

from sklearn.neighbors import KNeighborsClassifier

X = [[0], [1], [2], [3], [4], [5], [6], [7], [8]]
y = [0, 0, 0, 1, 1, 1, 2, 2, 2]

neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)
#fit函数 使用X作为训练数据，y作为目标值（类似于标签）来拟合模型。
print(neigh.predict([[1.1]]))
##这里预测使用的值是1.1
##得到的结果是 【0】
#表明1.1应该在0这个类里面
print(neigh.predict([[1.6]]))
print(neigh.predict([[5.2]]))
print(neigh.predict([[5.8]]))
print(neigh.predict([[6.2]]))

 

最开始我 是被这骚操作给震惊了。居然直接 一个fit就完事了。。

 说下我个人的理解

首先是创建一个K临近算法的模板（临近数为3）

然后传入的，也就是fit的X和Y。应该保持N是一样的

比如  x是1*N*1， Y是1 * N 

再举个例子 

from sklearn.neighbors import KNeighborsClassifier

X = [[0,1], [1,3], [2,2], [3,8], [4,6], [5,9], [6,9], [7,9], [8,9]]
y = [0, 0, 0, 1, 1, 1, 2, 2, 2]

neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)
#fit函数 使用X作为训练数据，y作为目标值（类似于标签）来拟合模型。
print(neigh.predict([[1.1,2.2]]))
##这里预测使用的值是1.1  ,  2.2
##得到的结果是 【0】
#表明1.1应该在0这个类里面

print(neigh.predict([[9.1,7.2]]))
##这里预测使用的值是9.1  ,  7.2
##得到的结果是 【2】
#表明9.1 7.2应该在2这个类里面