Sklearn实现knn

最新推荐文章于 2024-09-06 09:46:37 发布

码农的世界，你不懂

最新推荐文章于 2024-09-06 09:46:37 发布

阅读量157

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/u010395024/article/details/103885352

版权

该博客通过三个实例详细介绍了如何使用Sklearn库实现K近邻（KNN）分类算法。首先，加载并分割鸢尾花数据集，训练KNN分类器，计算预测准确率。其次，创建了一个简单的数据集并进行预测。最后，通过可视化展示了不同权重下的3类分类边界。

摘要由CSDN通过智能技术生成

#----------------------------------Sklearn实现Knn------------------------------
# KNeighborsClassifier(n_neighbors=5, weights=’uniform’,
# algorithm=’auto’, leaf_size=30, p=2, metric=’minkowski’,
# metric_params=None, n_jobs=None, **kwargs)[source]

#--------------------------------------实例一-----------------------------------------------
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.cross_validation import train_test_split
import numpy as np
np.random.seed(0)#设置随机种子，设置后每次产生的随机数都一样

#加载数据集
iris=datasets.load_iris() #样本是150*4二维数据，代表150个样本，每个样本有4个特征
X=iris.data
y=iris.target
#分割数据集
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=1)
#print('训练集：',X_train,'测试集：',X_test)
#print('训练集',len(X_train),'测试集ÿ