机器学习之KNN：K近邻算法（二、算法案例）

目录

一、KNN的简单实现案例

二、sklearn的KNN应用：鸢尾花数据分类

三、sklearn中KNN的重要参数

---

一、KNN的简单实现案例

假设我们有两类样本：A和B,均为二维数据，A类包括：(2,8)(2.5,10)(2,9),B类包括：(4,2)(4,1)(4.5,3)，测试样本点为(3,9)。首先导入数据，数据分布如下图： 

import matplotlib.pyplot as plt
import numpy as np
import operator

# 已知分类的数据
x1 = np.array([2,2.5,2])
y1 = np.array([8,10,9])
x2 = np.array([4,4,4.5])
y2 = np.array([2,1,3])
scatter1 = plt.scatter(x1,y1,c='r')
scatter2 = plt.scatter(x2,y2,c='b')

# 未知数据
x = np.array([3])#不要numpy也可以
y = np.array([9])
scatter3 = plt.scatter(x,y,c='g')

#画图例
plt.legend(handles=[scatter1,scatter2,scatter3],labels=['labelA','labelB','X'],loc='best')
plt.show()