knn案例：预测乳腺癌的良性或恶性

今天利用KNN算法完成一个项目

解题提示：

1. 数据预处理： 在构建模型之前，记得对数据进行标准化，以确保不同特征的尺度一致。

2. 选择合适的算法： 考虑使用 K 近邻算法（KNN）进行分类任务。

3. 调参优化： 使用交叉验证来选择最优的 K 值，以提高模型的性能。

4. 模型评估： 使用准确率作为评估标准，评估模型的性能

案例实现

from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, classification_report

breast_cancer = load_breast_cancer()

X = breast_cancer.data
y = breast_cancer.target

print(breast_cancer.DESCR)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

knn_model = KNeighborsClassifier()

best_accuracy = 0
best_k = 0

for k in range(1, 21):
    knn_model.set_params(n_neighbors=k)
    knn_model.fit(X_train_scaled, y_train)
    y_pred = knn_model.predict(X_test_scaled)
    accuracy = accuracy_score(y_test, y_pred)

    if accuracy > best_accuracy:
        best_accuracy = accuracy
        best_k = k

print(f"最优的K值为: {best_k}")
print(f"在测试集上的准确率为: {best_accuracy:.2f}")

print(classification_report(y_test, y_pred, target_names=['良性', '恶性']))

运行结果：