sklearn knn模型实现示例

最新推荐文章于 2025-02-28 21:33:53 发布

TUJC

最新推荐文章于 2025-02-28 21:33:53 发布

阅读量613

点赞数

分类专栏：机器学习文章标签：机器学习数据挖掘

本文链接：https://blog.youkuaiyun.com/TU_JCN/article/details/86512166

版权

本文通过实例详细介绍了如何使用sklearn库构建KNN预测模型，包括导入iris数据集、数据集划分、数据观察及模型构建过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、导入iris数据集

from sklearn.datasets import load_iris

iris_dataset = load_iris()

print("key of iris_dataset: \n{}".format(iris_dataset.keys()))
'''
key of iris_dataset: 
  dict_keys(['feature_names', 'target', 'data', 'target_names', 'DESCR', 'filename'])

'''
print(iris_dataset['target_names'])
'''
array(['setosa', 'versicolor', 'virginica'],
      dtype='<U10')
'''

2、划分数据集

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test = train_test_split(
iris_dataset['data'],iris_dataset['target'],random_state=0)

print(X_train.shape,X_test.shape)
# (112, 4) (38, 4)

print(y_train.shape,y_test.shape)
#(112,) (38,)

3、观察数据集