机器学习Day02

本文介绍了KNN算法,包括K近邻分类器和回归器的使用,以及特征工程在模型拟合中的重要性,着重讨论了泛化能力的概念,通过实例展示了如何在实际中运用KNN进行预测。
摘要由CSDN通过智能技术生成

特征工程

模型拟合问题 

 泛化

这个概念在我理解就是这个模型在使用其他数据集或者其他场景的适用程度。

KNN算法

又叫K近邻算法。

KNN算法 

from sklearn.neighbors import KNeighborsClassifier##导包
from sklearn.neighbors import KNeighborsRegressor
def fenlei():
    ##造数据
    x = [[0,3,2],[1,4,2],[2,3,4],[3,5,6]]
    y = [0,0,1,1]
    model = KNeighborsClassifier(n_neighbors=1)##实例化对象
    model.fit(x,y)##模型训练
    print(model.predict([[4,3,2]]))##模型预测
def huigui():
    model = KNeighborsRegressor(n_neighbors=2)
    x = [[0,0,1],
         [1,1,0],
         [3,10,10],
         [4,11,12]]
    y = [0.1,0.2,0.3,0.4]
    model.fit(x,y)
    print(model.predict([[3,11,10]]))
fenlei()
huigui()

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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