KNN算法

(๑• . •๑)框

于 2020-07-31 15:44:10 发布

阅读量144

点赞数

分类专栏：数据分析

本文链接：https://blog.csdn.net/weixin_45051787/article/details/107714885

版权

数据分析专栏收录该内容

15 篇文章 1 订阅

订阅专栏

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
def knn_iris():
    #1、获取数据
    iris = load_iris()
    #2、划分数据集
    x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=6)
    #3、特征工程标准化
    transfer = StandardScaler()
    x_trains = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)#只用transform保持数据平均值和方差一致性，如果用fit那么是测试机的平均值和方差
    #4、knn算法预估器
    estimate = KNeighborsClassifier(n_neighbors=3)
    estimate.fit(x_train,y_train)
    #5、模型评估
    #方法一：直接比对真实值和预测值
    y_predict = estimate.predict(x_test)
    print(y_predict)
    print(y_predict==y_test)
    #方法二：计算准确率
    score = estimate.score(x_test,y_test)
    print("准确率为"+score)