sklearn库的机器学习算法的调用是具有统一的风格的
sklearn库的机器学习算法流程如下图所示,具有统一的流程,接口!!!
将(1)实现的功能调用sklearn库函数实现
数据准备
import numpy as np
import matplotlib.pyplot as plt
raw_data_X = [[3.393533211, 2.331273381],
[3.110073483, 1.781539638],
[1.343808831, 3.368360954],
[3.582294042, 4.679179110],
[2.280362439, 2.866990263],
[7.423436942, 4.696522875],
[5.745051997, 3.533989803],
[9.172168622, 2.511101045],
[7.792783481, 3.424088941],
[7.939820817, 0.791637231]
]
raw_data_y = [0,0,0,0,0,1,1,1,1,1]
X_train = np.array(raw_data_X)
y_train = np.array(raw_data_y)
x = np.array([8.093607318,3.365731514])
导入kNN分类器,并初始化分类器,k参数选取为6
from sklearn.neighbors import KNeighborsClassifier
kNN_classifier = KNeighborsClassifier(n_neighbors=6)
使用训练数集进行模型拟合
kNN_classifier.fit(X_train, y_train)
注意:分类器的待预测数据的输入格式要求为矩阵形式,所以传入之前需要先变成矩阵的数据形式,调用一下reshape,然后进行预测即可
y_predict = kNN_classifier.predict(x.reshape(1,-1))
y_predict
输出为1,与(1)中的结论一致。
是不是很简单!