使用scikit-learn中的KNN

最新推荐文章于 2024-02-07 15:31:38 发布
最新推荐文章于 2024-02-07 15:31:38 发布
阅读量228 收藏
点赞数
文章标签： scikit-learn 机器学习 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_51713698/article/details/125542533
版权

对于knn来说，训练集就是模型

使用scikit-learn中的KNN

from sklearn.neighbors import KNeighborsClassifier

KNN_classfier = KNeighborsClassifier(n_neighbors=6)

import numpy as np
import matplotlib.pyplot as plt
raw_data_x = [[3.393533211, 2.331273381],
              [3.110073483, 1.781539638],
              [1.343808831, 3.368360954],
              [3.582294042, 4.679779110],
              [2.280362439, 2.866990263],
              [7.423436942, 4.696522875],
              [5.745015997, 3.533989803],
              [9.172168622, 2.511101045],
              [7.792783487, 3.424088941],
              [7.9939820917, 0.791637231]
                ]
raw_data_y = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]
X_train = np.array(raw_data_x)
y_train = np.array(raw_data_y)

KNN_classfier.fit(X_train, y_train)

KNeighborsClassifier(n_neighbors=6)

x = np.array([8.093607318, 3.365731514])

X_test = x.reshape(1,-1)
X_test


array([[8.09360732, 3.36573151]])

KNN_classfier.predict(X_test)

array([1])

y_predict = KNN_classfier.predict(X_test)

y_predict[0]

1
plum-blossom
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
第四章 进阶算法-数学建模 3.3KNN最近邻分类
易燃易爆炸的博客
06-02 1334
【课程3.3】 KNN最近邻分类 如果一个样本最相近的k个邻居里，绝大多数样本属于某个类别，则该样本也属于这个类别 ！！！实际分析前需要进行数据归一化 参考https://blog.csdn.net/qq_33531400/article/details/83537750 一、函数介绍 from sklearn import neighbors neighbors.KNeighborsClass...
scikit-learn分类模型 KNN算法
流沙
12-04 1499
算法原理 简介 KNN k(邻居个数) nearest neighbor K近邻算法 简单地说，K-近邻算法采用测量不同特征值之间的距离方法进行分类（k-Nearest Neighbor，KNN） 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：时间复杂度高、空间复杂度高。 1、当样本不平衡时，比如一个类的样本容量很大，其他类的样本容量很小，输入一个样本的时候，K个临近值中大多数都是大样...
Scikit-Learn机器学习（knn算法）
不会CTF的博客
03-27 8589
前言 博观而约取，厚积而薄发 本文中回忆了python的类概念，机器学习需要用到的环境，以及什么是Scikit-Learn 目的是方便博主进行回忆 记忆学习 和总结 如果能帮助到大家 那就更好了 python中的类 类去封装函数和变量 类最基本的作用就是在封装代码 类的方法与普通的函数只有一个特别的区别——它们必须有一个额外的第一个参数名称，但是在调用这个方法的时候你不为这个参数赋值，Python会提供这个值。这个特别的变量指对象本身，按照惯例它的名称是self。 python中的类中的第一个特性就是
scikit-learn 笔记之KNN(K近邻算法)
xingchengmeng的博客
04-11 1170
说明   在scikit-learn中提供了一个KNeighborsClassifier类来实现k近邻法分类模型，一个KNeighborsRegressor类来实k近邻法回归模型。 KNeighborsClassifier分类 KNeighborsClassifier是分类模型，其原型为 class sklearn.neighbors.KNeighborsRegressor(n_neighbors=5, *, weights='uniform', algorithm='auto', leaf_size=3
机器学习--K近邻算法，以及python中通过Scikit-learn库实现K近邻算法API使用技巧
最新发布
景天科技苑
02-07 1631
K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法。 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
Python机器学习之scikit-learn库中KNN算法的封装与使用方法
09-19
本篇文章将详细介绍如何在scikit-learn库中封装和使用K近邻（K-Nearest Neighbors，简称KNN）算法。 KNN是一种基于实例的学习方法，它不涉及任何训练过程，而是通过计算新样本与训练集中已知类别的样本之间的距离来...
scikit-learn学习笔记.pdf
06-06
Scikit-learn是Python编程语言中的一个强大机器学习库，被广泛用于数据挖掘、数据分析以及机器学习项目。这个库提供了一系列高效且易于使用的工具，帮助数据科学家进行预处理、建模、评估等任务。 **主要特点：** 1...
scikit-learn库使用教程
02-26
3. **模型选择**：在"mastering machine learning with scikit-learn-chs.pdf"中，你将看到如何使用scikit-learn实现常见的模型，如线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）、K近邻（KNN）、神经...
用Scikit-learn进行机器学习（五）：使用Scikit-learn进行KNN分析——KNN模型的提升KD-Tree的原理和KD-Tree癌症案例
12-22
文章目录KNN算法的模型提升KD-Treekd树是什么kd树的原理1.树的建立；2.最近邻域搜索（Nearest-Neighbor Lookup）3.构造方法4.案例分析4.1 树结构的建立4.2 ...为了提高KNN最近邻搜索的效率，可以考虑使用特殊的结构存
Python版数据挖掘实验2报告：使用 Scikit-learn中的 K近邻算法进行分类.pdf
06-23
2. **熟悉Scikit-learn库中的KNN分类器的使用方法**。 3. **了解如何评估分类模型的性能**。 #### 实验内容与步骤 1. **实验准备**： - **实验环境**：使用笔记本电脑作为开发平台，操作系统不限，但需安装Python...
基于SKLearn的KNN分类
04-10
基于python库的SKLearn的KNN分类，将用户产生的报文有用的部分摘取出来，进行KNN分类处理，并检测分类的正确度
《scikit-learn机器学习》糖尿病预测（KNN）
Bessie_Lee
11-07 6934
本章看完以后的感受： 1、我们先对数据进行加载，由于确定了数据是没有问题的，所以不用对数据进行清洗 2、然后确定每行每列，找到我们需要的目标值，也就是target，在本书中的target为0或者1 3、找到目标值以后，将目标值与非目标值分离，再将数据按照比例分为测试集和训练集。 4、选择的是knn的三种模型，一种是原基础的knn，一种是带有权重的knn，还有一种是确定了半径的knn（上一篇中的knn的俩个变异就是后面的这俩种） 5、然后对他们三个进行训练集训练，选取最佳的一个模型，在对模型进行训练，通过学
【机器学习】使用Scikit-Learn库实现K-近邻（KNN）算法
探索世界，改变世界
02-06 3971
懒惰学习算法的典型例子。 KNN仅仅对训练集有记忆功能，不会从其他训练集中通过学习得到一个判别函数   参数化模型和非参数化模型： 1、       参数化模型，通过训练数据估计参数：感知机、逻辑回归、线性SVM 2、       非参数化模型，无法通过固定参数来进行表征，参数数量随训练数据的增加而递增：核SVM、决策树、KNN   KNN基于实例的学习，只对训练数据产生记忆，学习阶
scikit-learn使用KNN进行分类
szfhy的博客
05-03 7390
k近邻算法的核心思想是未标记样本的类别，由距离其最近的k个邻居投票决定。该算法具有准确性高，对异常值和噪声有较高的容忍度等优点。缺点是计算量比较大，内存消耗量也大。demo code如下：from sklearn.datasets.samples_generator import make_blobs import matplotlib.pyplot as plt import numpy as ...
K最近邻算法（KNN）---sklearn+python实现
热门推荐
05-23 4万+
k-近邻算法概述简单地说，k近邻算法采用测量不同特征值之间的距离方法进行分类。k-近邻算法优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。      k-近邻算法（kNN)，它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将...
scikit-learn学习之K最近邻算法(KNN)
weixin_33770878的博客
04-24 1388
======================================================================本系列博客主要参考 Scikit-Learn 官方网站上的每一个算法进行，并进行部分翻译，如有错误，请大家指正 ==================================================...
Sklearn——用Sklearn实现K近邻分类(KNN)
weixin_37763870的博客
03-29 2万+
文章目录1.前言2.KNN实战2.1.导入必要模块2.2.加载数据2.3.训练+预测 1.前言 Sklearn 把所有机器学习的模式整合统一起来了，学会了一个模式就可以通吃其他不同类型的学习模式。 例如，分类器， Sklearn 本身就有很多数据库，可以用来练习。 以 Iris 的数据为例，这种花有四个属性，花瓣的长宽，茎的长宽，根据这些属性把花分为三类。 我们要用分类器去把四种类型的花分开。 K...
scikit-learn中kNN模型的使用及源码解读
Katrina_ALi的博客
07-16 3678
1.scikit-learn中的kNN模型 　　scikit-learn中提供了一个KNeighborClassifier类来实现k近邻法分类模型，其原型为： sklearn.neighbors.KNighborClassifier(n_neighbors=5,weights=’uniform’,algorithm=’auto’,leaf_size=30,p=2,metric=’minkows...
用Scikit-learn进行机器学习（二）：使用Scikit-learn进行KNN分析——如何进行电影分类
汪雯琦的博客
02-20 1869
文章目录如何进行电影分类一、k-近邻算法原理1.工作原理二、数据准备阶段1.特征提取2.数据需要切分成训练数据和测试数据三、数据的训练四、数据的测试五、模型的模拟六、图形展示附：欧几里得距离(Euclidean Distance)总结使用sklearn的knn模块进行分类 如何进行电影分类 众所周知，电影可以按照题材分类，然而题材本身是如何定义的?由谁来判定某部电影属于哪 个题材?也就是说同一题材...
如何使用scikit-learn 库
05-11
下面是一个简单的例子来演示如何使用 scikit-learn： 首先，安装 scikit-learn 库，可以使用 pip 命令进行安装： ``` pip install scikit-learn ``` 然后，导入所需的模块，例如： ```python from sklearn ...
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