1.机器学习之(2)k近邻算法sklearn库调用

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！