sklearn-Cross_Validation1：knn算法中不同k值对应的模型准确率

"""
@author: Vincnet_Sheng
@file: sklearn-cross_validation-1.py
@time: 2018/1/4 0004 下午 8:17
#-*- coding: utf-8 -*
"""
# target: 1） cross_validation 对同一sample中取不同的train和test
#         2） knn算法中，k值大小对应预测准确率的关系，并可视化呈现

from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt

# load data
iris = load_iris()
X = iris.data
y = iris.target

# 对k取1-30的值，计算每个k对应的平均scores
k_range = range(1, 31)
k_scores = []   #k_class is list
for k in k_range:
    knn = KNeighborsClassifier(k)
    # 学习方法为knn，数据分成5分（cv），打分方法为accuracy, 输出为5维元组
    scores = cross_val_score(knn, X, y, cv=10, scoring='accuracy')
    k_scores.append(scores.mean())

# 可视化模块，k值value和accuracy 的关系图
plt.plot(k_range, k_scores)
plt.xlabel('Value of K for KNN')
plt.ylabel('Cross_Validation Accuracy')
plt.show()

输出图像：