AI工程师成长之路-KNN回归算法实现

本博文是博主在阿里云大学学习记录的笔记，未经博主允许禁止随意转载。

数据集获取方法：

链接：https://pan.baidu.com/s/1b6Nc3-QmHhQjH_uxZg3WCQ 
提取码：ndv9

本实验将学习如何使用Python实现KNN回归算法。

说明：本实验的程序文件与数据在启动jupyter notebook后，就会在主目录中显示，可以直接打开查看并运行，但为了增加熟练度，达到最佳的学习效果，建议大家手动输入。

①导入程序运行所需的库。

import numpy as np
import pandas as pd

②加载鸢尾花数据集。并删除不需要的Id列。然后对数据集进行去重处理。

data = pd.read_csv(r"Iris.csv")
# 删除不需要的ID与Species列（特征）。因为现在进行回归预测，类别信息就没有用处了。
data.drop(["Id", "Species"], axis=1, inplace=True)
# 删除重复的记录
data.drop_duplicates(inplace=True)

③定义KNN类，用于回归。并在类中定义初始化方法与训练与预测方法。

class KNN:
    """使用Python实现K近邻算法。（回归预测）
    
    该算法用于回归预测，根据前3个特征