把X_train,y_train送入机器学习算法,机器学习算法训练模型的过程称为拟合(fit),也就是说我们的算法要训练模型,这个模型要能够拟合我们的数据集,把输入样例输入模型得出结果的过程称为预测(predict).
使用scikit-learn 中的CNN:
from sklearn.neighbors import KNeighborsClassifier
#在sklearn库中,KNeighborsClassifier是实现K近邻算法的一个类,一般都使用欧式距离进行测量。
kNN_classifier = KNeighborsClassifier(n_neighbors=6)#创建实例
kNN_classifier.fit(X_train,y_train) #拟合我们的训练集
输出KNeighborsClassifier(n_neighbors=6)
X_predict=x.reshape(1,-1)#传1代表第一个维度,-1让numpy自动决定到哪截止
X_predict
输出array([[8.09360732, 3.36573151]])
kNN_classifier.predict(X_predict)
输出array([1])
封装:
import nump