KNN参数设置小实验——基于mglearn人工生成数据集（结果可视化）

KNN的小实验

part 1 K值与模型复杂度关系

采用mglearn包中的make_forge来训练~

不同K值下模型的决策边界平滑度

实验数据集

make_forge数据集

turple类型，是一个二分的数据集，藏着两个array
一个array是（26,2）的X
一个array是（26,1）的y

mglearn可通过加载datasets获取人工生成的数据，也就是前缀带make的，而本文的make_forge就是人工生成的，用于学习KNN的~

我们先导入基本的包！

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import mglearn

import warnings
warnings.filterwarnings('ignore')

#观察数据
X,y = mglearn.datasets.make_forge()
mglearn.discrete_scatter(X[:,0],X[:,1],y) # 作X，y的散点分布图
plt.legend(['Class 0','Class 1'],loc = 4)
plt.xlabel("First feature")
plt.ylabel("Second feature")
print("X.shape: {}".format(X.shape))