sklearn的KNN算法的使用

一：机器学习流程

　　训练集-->机器学习算法-->生成模型-->输入样例-->得出结果。

二：KNN算法

然而我们在写KNN算法时并没有模型生成，KNN较特殊，KNN的模型就是训练集。

三：分为几步

　　a.指定key

　　b.fit

　　c.predict　　

四：代码

 

#使用sklearn的kNN算法
import numpy as np
from sklearn.neighbors import KNeighborsClassifier #包装了KNN算法


raw_data_X = [[1.232422,1.22324],
              [2.324232,1.3224],
             [2.3435353,2.3232342],
             [3.434353,3.434353],
             [4.54546,3.54544],
             [7.42422,6.764353],
             [6.42224534,7.533232],
             [8.435353,8.5433],
             [9.423534,9.422224],
             [8.544444,9.4564454]]

raw_data_y=[0,0,0,0,0,1,1,1,1,1]

#训练集
x_train = np.array(raw_data_X)
y_train = np.array(raw_data_y)

x = np.array([7.5353343,8.53324232])

knn_classifier = KNeighborsClassifier(n_neighbors=5) #指定key

knn_classifier.fit(x_train,y_train) #fit

x = x.reshape(1,-1)
y_predict = knn_classifier.predict(x) #predict
print(y_predict[0])

 

转载于:https://www.cnblogs.com/lyr999736/p/10654183.html