K近邻算法(KNN)原理推导与实例代码实现详解(Python)

最新推荐文章于 2024-08-11 22:50:26 发布

。画地为牢。

最新推荐文章于 2024-08-11 22:50:26 发布

阅读量1k

点赞数 2

文章标签：算法 python 机器学习

本文链接：https://blog.csdn.net/weixin_45837461/article/details/106988928

版权

本文深入探讨K近邻算法的原理，并通过Python的sklearn库，使用iris鸢尾花数据集进行实战代码演示，展示了KNN算法在机器学习中的应用。

摘要由CSDN通过智能技术生成

原理与推导过程：

在这里插入图片描述

代码实现（sklearn自带数据集， iris鸢尾花）：

# k近邻算法


# 0. 引入依赖
import numpy as np
import pandas as pd
#这里直接引入sklearn里的数据集， iris鸢尾花
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split  # 切分数据集为训练集和测试集
from sklearn.metrics import accuracy_score  # 计算分类预测的准确率



# 1. 数据加载和预处理
iris = load_iris()
df = pd.DataFrame(data = iris.data, columns = iris.feature_names)   # 将数据换成表格形式
df['cla