python中sklearn分类器
1.KNeighborsClassifier k临近分类器
from sklearn.neighbors import KNeighborsClassifier
X=[[0],[0.5],[1],[1.5],[2],[2.5],[3],[3.5],[4],[10],[11],[12],[13]]#数据
y=[0,0,0,0,0,1,1,1,1,2,2,2,2]#标签
neigh=KNeighborsClassifier(n_neighbors=4)#选择四个作为最近的邻居分类依据
neigh.fit(X,y)#输入参数进入分类器进行学学习
print(neigh.predict([[8]]))#对未知样本进行预,输出样本属于的标签种类
2.DecisionTreeClassifier 决策树
from sklearn.datasets import load_iris#导入内嵌的尾花数据集
from sklearn.model_selection import cross_val_score#交叉验证值函数
from sklearn.tree import DecisionTreeClassifier#决策树分类器
clf=DecisionTreeClassifier()#创建一颗基于基尼系数的决策树
iris=load_iris()
print(cross_val_score(clf,iris.data,iris.target,cv=10))
3.GaussianNB 贝叶斯
import numpy as np
from sklearn.naive_bayes import GaussianNB
X=np.array([[1,1],[1.5,1.5],[2,2],[3,3],[3.5,3.5],[4,4]])
y=np.array([1,1,1,3,3,3])
clf=GaussianNB()
clf.fit(X,y)
print(clf.predict([[3.3,2.7]]))