import numpy as np import matplotlib.pyplot as plt from sklearn import neighbors, datasets from sklearn.model_selection import train_test_split def load_classification_data(): # 使用 scikit-learn 自带的手写识别数据集 Digit Dataset digits=datasets.load_digits() X_train=digits.data y_train=digits.target # 进行分层采样拆分,测试集大小占 1/4 return train_test_split(X_train, y_train,test_size=0.25,random_state=0,stratify=y_train) #KNN分类KNeighborsClassifier模型 def test_KNeighborsClassifier(*data): X_train,X_test,y_train,y_test=data clf=neighbors.KNeighborsClassifier() clf.fit(X_train,y_train) print("Training Score:%f"%clf.score(X_train,y_train)) print("Testing Score:%f"%clf.score(X_test,y_test)) # 获取分类模型的数据集 X_train,X_test,y_train,y_test=load_classification_data() # 调用 test_KNeighborsClassifier test_KNeighborsClassifier(X_train,X_test,y_train,y_test)
python knn模型_吴裕雄 python 机器学习――KNN分类KNeighborsClassifier模型
最新推荐文章于 2023-12-18 18:50:36 发布
本文通过实例详细介绍了Python使用sklearn库实现KNN分类器的过程,包括KNeighborsClassifier模型的基本使用、参数n_neighbors和weights的影响,以及参数p的影响。通过绘制得分曲线,展示了不同参数设置对模型性能的影响。
摘要由CSDN通过智能技术生成