KNN算法的python代码实现_02

在上一篇博客中，通过代码实现knn：计算样本点与样本集中的每个样本的距离，接着排序并选出距离最近的k个点，并统计这k个点所属的类别，占比多的就是待测样本所属类别。
之前通过鸢尾花数据集对该算法进行了学习，这篇博客希望通过对手写数字识别数据集预测来进一步熟悉knn算法。因为该数据集比鸢尾花数据集的数据量更大一点，可以进一步探究在对于相对较大的数据集中，knn算法的性能能否仍然保持较好的状态？

手写数字数据集

该数据集包括1797个0-9（每个数字样本的标签分别是0-9中的一个）的手写数字数据，每个数字由8*8（每个数字样本有64个特征）大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。

"""手写字数据集"""
from sklearn import datasets, neighbors, model_selection

# knn算法
def sklearnKnn():
    # 1. Load the datasets
    digits = datasets.load_digits()
    print(digits.data.shape)
    X = digits.data
    Y = digits.target
    # 2. Split the data
    X_trainer, X_test, Y_trainer, Y_test = model_selection.train_test_split(X, Y, test_size=0.3)
    print("X_test = ", X_test)
    print("Y_test = ", Y_test)
    # 3. Indicate the training set
    digitsClassify = neighbors.KNeighborsClassifier(n_neighbors=3)
    digitsClassify.fit(X_trainer, Y_trainer)
    # 4. Test
    digitsScore = digitsClassify.score(X_test, Y_test)
    print("The score is: ", digitsScore)

# 函数调用
sklearnKnn()

由此可见，对于较大的数据集也能获得较好的结果。