knn分类算法c语言,KNN算法分类实例

一、实验目的

利用KNN算法分类。

采用Wisconsin医学院的William H.Wolberg博士提供的乳腺癌的数据样本。所有数据来自真实临床案例，每个案例有32个属性。其中后30个属性是检测指标，每个属性值用不同量纲的数字表示表示。第1个属性是ID号，第2个属性是分类属性，指示该肿瘤是否为恶性，B表示良性，M表示恶性，数据集中的肿瘤性质是通过活检得出的结果。

利用KNN算法判别是否患有乳腺癌。

二、实验要求

采用KNN算法，对乳腺癌数据进行分析，判别是否患有乳腺癌。

三、实验步骤

(1)引入数据，数据标准化

对数据的分类标签进行数值化

(2)选择k值

k值选取奇数，由下图可知，k值选取3合适。

(3)由(2)可得测试结果如下：

四、实验过程中的问题，分析与讨论，心得体会

1、分类标签的类型，必须为数值型，本实验把分类标签数值化为0，1。

2、KNN分类主要只针对二分类问题。

五、主要代码

# 训练集、测试集

x, y = np.split(data1.values, (30,), axis=1)

x_train, x_test, y_train, y_test = train_test_split(x,

y, test_size=0.2, random_state=8)

# 对数据进行标准化处理

transfer1 = StandardScaler()

x_train = transfer1.fit_transform(x_train)

x_test = transfer1.transform(x_test)

ac=pd.DataFrame(columns=['k','Accuracy rate'])

ac['k']=range(1,22,2)

acc=[]

for k in range(1,22,2):

estimator = KNeighborsClassifier(n_neighbors=k, algorithm='auto')

estimator.fit(x_train, y_train)

score = estimator.score(x_test, y_test)

bpre=estimator.predict(x_test)

acc.append(score)

ac['Accuracy rate']=acc

print(ac)

estimator = KNeighborsClassifier(n_neighbors=3, algorithm='auto')

estimator.fit(x_train, y_train)

score = estimator.score(x_test, y_test)

print("精确度：",score)

if __name__ == '__main__':

knn_can()