本文在贪心学院机器学习课程上的代码基础上加工而成
K近邻(K nearest neighbor )是机器学习中原理比较简单的分类器,其原理详见《机器学习总结二之K近邻》
利用Python中的sklearn库中的数据以及该库中的工具完成一个三分类任务
首先导入需要的工具
from sklearn import datasets#sklearn 自带的数据集
from sklearn.model_selection import train_test_split# 导入数据分割工具
from sklearn.neighbors import KNeighborsClassifier # 导入K近邻分类器
import numpy as np #导入数据处理工具库Nump
导入数据
iris=datasets.load_iris()#导入数据
#iris.head
X=iris.data#数据
Y=iris.target#标签
print(X,Y)
数据是这种形式
划分训练集和测试集
#将数据划分成训练集和测试集,默认测试集数据为25%
X_train,X_test,Y_train,Y_test=train_test_split(X,Y,random_state=2019)
X_train.shape
X_test.shape
X_train 为112×4的矩阵,X_test 为38×4的矩阵
创建KNN分类器并训练模型