利用sklearn实现简单的KNN

最新推荐文章于 2023-11-29 09:18:19 发布

原创最新推荐文章于 2023-11-29 09:18:19 发布 · 905 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#KNN #sklearn

本文通过使用K近邻(KNN)算法对鸢尾花数据集进行分类任务。首先加载鸢尾花数据集，并将其划分为训练集和测试集。接着运用KNN分类器进行训练，并对测试集进行预测，最后比较预测结果与实际结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#sklearn 分类器的学习
import numpy as np
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.neighbors import KNeighborsClassifier
#利用KNN实现分类
#这里导入了花的数据
iris = datasets.load_iris()

iris_X = iris.data

iris_Y = iris.target

print(iris_X[:2,:])
print(iris_Y)#展示一下数据的形式
#将数据分成测试集和训练集，测试集占百分之三十,并对数据进行shuffle
X_train,X_test,Y_train,Y_test = train_test_split(iris_X,iris_Y,test_size=0.3)

knn = KNeighborsClassifier()
knn.fit(X_train,Y_train)
#利用knn去预测
print(knn.predict(X_test))
#显示数据的实际值
print(Y_test)