机器学习总结二之K近邻（Python实战）

最新推荐文章于 2024-08-31 22:02:39 发布
最新推荐文章于 2024-08-31 22:02:39 发布
阅读量153 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 Python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43739185/article/details/97620241
版权
本文介绍了如何使用Python的sklearn库实现K近邻（KNN）算法进行三分类任务。通过导入数据，划分训练集和测试集，创建并训练KNN模型，最终得到100%的分类准确率。
摘要由CSDN通过智能技术生成

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
在这里插入图片描述
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

最低0.47元/天 解锁文章
quentinl
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
《Python机器学习基础教程》学习笔记(3) k近邻算法(knn)
坤斤拷的博客
02-04 1050
概述 k近邻算法（knn），是一个理论上比较成熟的方法，也是最简单的机器学习算法之一，常用于分类，也用于回归。 原理及实现：挖个坑   应用 分类 数据集：mglearn的forge 调用方法：sklearn.neighbors.KNeighborsClassifier库的KNeighborsClassifier方法 import mglearn from sklearn.m...
TSP问题(贪心法）最近邻点和最短连接
weixin_45939614的博客
05-15 3289
1.最近邻点法 (贪心策略 TSP） 2. 最短连接 TSP问题 贪心算法 #include<stdio.h> #include<iostream> using namespace std; //采用最近邻点贪心策略求TSP问题。 int TSP1(double arc[6][6],int w)//假定从顶点w出发 { int n=6; int edgeCount=0;//哈密顿回路的边数 int TSPLength=0; int min,u,v;
最邻近方法和最邻近插入法求TSP问题近似解(可视化+代码)
喜欢企鹅的博客
01-03 3602
本文总体内容为介绍用最邻近方法(Nearest Neighbor Algorithm) 和最邻近插入法求解旅行商问题(Traveling Saleman Problem,TSP)。同时使用python实现算法，并调用networkx库实现可视化。此文为本人图论课下作业的成品，含金量：无。
贪心算法和动态规划的思路及其Python实现
热门推荐
fffank的博客
08-22 1万+
百度的定义： 贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。 通俗一点讲，当要解决某一个问题时，先判断第一步的最优解，然后把剩下的步骤看作下一个递归的具体问题。 例如0-1背包问题：给定n种物品和一个背包。物品i的重量是Wi，其价值为Vi，背包的容量为C。应如何选择装入背包的物品，使得装入背
python实现 Floyd算法求解最短路径距离问题
Together_CZ的博客
07-06 9549
Floyd算法和Dijkstra算法，相信大家都不陌生，在最短路径距离的求解中应该算得上是最为基础和经典的两个算法了，今天就用一点时间来重新实现一下，因为本科的时候学习数据结构才开始接触的这个算法，当时唯一会用的就是C语言了，现在的话，C语言几乎已经离我远去了，个人感觉入手机器学习以来python更得我心，因为太通俗易懂了，带给你的体验自然也是非常不错的。      当然网上 有很多的算法讲解教
python机器学习理论与实战（一）K近邻法
01-21
机器学习分两大类，有监督学习(supervised learning)和无监督学习(unsupervised learning)。有监督学习又可分两类：分类（classification.）和回归（regression），分类的任务就是把一个样本划为某个已知类别，每个...
Python语言实现机器学习的K-近邻算法
01-21
额、、、最近开始学习机器学习嘛，网上找到一本关于机器学习的书籍，名字叫做《机器学习实战》。很巧的是，这本书里的算法是用Python语言实现的，刚好之前我学过一些Python基础知识，所以这本书对于我来说，无疑是...
贪心算法（Python实现）
Mr_fengzi的博客
07-18 6014
贪心算法（Greedy Algorithme）含义： 在对问题求解时，总是作出在当前看来是最好的选择。也就是说，不从整体上加以考虑，它所作出的仅仅是在某种意义上的局部最优解（是否是全局最优，需要证明）。 下面我们通过具体的问题去应用贪心算法。 最优装载问题 问题描述： 有一天海盗们截获了一艘装满各种各样古董的货船，每一件都价值连城，一旦打碎就是去了价值， 海盗船载重量为C，每件固定的重量...
python数据分析之KNN（K近邻算法）实践
恋恋风尘的博客
04-25 3883
文章目录1、KNN概述2、KNN算法步骤3、算法超参数3.1 K值3.2 K值的取值方式3.3 距离度量方式3.4 权重计算方式4、KNN算法分类实践4.1 自定超参数4.1 超参数调整5、KNN算法回归实践5.1 常规数据5.2 数据标准化5.3 流水线优化 1、KNN概述 KNN（K-Nearest Neighbor），即K近邻算法。K近邻就是K个最近的邻居，当需要预测一个未知样本的时...
python实现给定两个城市的坐标计算两地相距多少公里
刘延林
09-30 1万+
代码如下： from math import radians, cos, sin, asin, sqrt ''' 给定两个地址的坐标，计算返回两地相距多少公里 demo: address1=成都 lon1 = 104.071000 lat1 = 30.670000 address2=宜宾 104.622000 lat2 = 28.765000 ''' def get_address_dis...
求解TSP问题(python)(穷举、最近邻居法、opt-2法、动态规划、插入法)
xiaoyao_de的博客
08-23 5507
欢迎使用Markdown编辑器写博客 本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I...
机器学习 之 DBSCAN算法 及实现
m0_73697499的博客
08-28 1284
通过上述步骤，我们完成了 DBSCAN 聚类分析的过程。灵活性：DBSCAN 不需要预先知道簇的数量。噪声处理：DBSCAN 能够有效地识别和排除噪声点。任意形状簇：DBSCAN 能够发现任意形状的簇。在本实验中，我们不仅实现了 DBSCAN 算法，还通过轮廓系数得分来评估聚类结果的质量。DBSCAN 的这些特性使其在处理复杂数据集时特别有用，尤其是在需要识别噪声和发现不规则簇形状的情况下。
【机器学习】.fit_transform()跟.transform()的区别
2301_81133727的博客
08-31 400
在您的输出中，训练数据和测试数据的编码结果可能看起来不一致，这是因为训练数据中的类别和测试数据中的类别不完全匹配。然而，您的输出结果似乎假设了训练数据和测试数据中有相同的类别，这在实际情况中可能不是真的。默认将每个特征的每个唯一值转换成一个二进制特征，其中1表示该类别存在，0表示不存在。对于测试数据，我们有两个样本，每个样本有两个特征是1。，所以在第二个和第五个特征上是1，其余是0。参数，这样对于未知的类别，编码器会输出全0。，所以第一个和第四个特征是1，其余是0。用于训练数据来学习类别并转换它们，而。
机器学习（ML）算法分类
m0_46171719的博客
08-28 199
机器学习算法种类繁多，每种算法都有其独特的优势和适用场景。在选择算法时，需要根据具体问题的性质、数据的特征以及预期的结果来综合考虑。同时，随着机器学习技术的不断发展，新的算法和模型不断涌现，为解决复杂问题提供了更多的可能性。机器学习（ML）算法是一个广泛而多样的领域，涵盖了多种用于数据分析和模式识别的技术。监督学习算法使用标记（即已知结果）的训练数据来训练模型，以便对新数据进行预测。无监督学习算法不需要标记的训练数据，而是从数据中自动发现隐藏的模式或结构。
朴素贝叶斯分类算法
m0_73676887的博客
08-28 938
P特征∣类别×P类别P类别P特征∣类别。
【机器学习】逻辑回归
2401_86272648的博客
08-24 1266
基本上所有的分类问题都可以用逻辑回归解决。它的求解速度快；模型可解释性强，很多参数都有物理含义，便于我们理解，比如大的表示特征重要，小的表示特征不重要。但是像神经网络、支持向量机这种复杂的算法，它计算得到的很多参数都是没有物理意义的，只是求得的结果有用而已，不利于理解。因此，拿到任务后建议先用逻辑回归试一下，不行再考虑一些复杂的算法。
机器学习数学公式推导之高斯分布
最新发布
QuantumYou的博客
08-31 818
文章目录1、介绍引入1.1 频率派的观点1.2 贝叶斯派的观点1.3 小结2、数学基础2.1 二阶中心矩2.2 样本方差2.3 高斯分布2.3.1 一维情况 MLE2.3.2 多维情况 1、介绍引入 在统计学和概率论中，P(x∣k)P(x|k)P(x∣k) 通常表示在给定条件 kkk 下，事件 xxx 发生的条件概率。条件概率是描述两个或多个事件之间关系的概率，其中一个事件的发生依赖于另一个事件的发生。 具体来说，P(x∣k)P(x|k)P(x∣k) 的定义是：在事件 kkk 已经发生的条件下，事件
Machine Learning Algorithms and Applications M6106
w976j_的博客
08-27 871
Assignment: This assignment requires you to run multiple experiments with the following instructions: Experiment 0: Define the business use case and users for your models. iuww520iuww520iuww520iuww520iuww520iuww520iuww520iuww520 Perform explorator
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值