机器学习之Hello World kNN

本文通过使用K近邻(KNN)算法对经典的鸢尾花数据集进行分类预测,介绍了数据预处理、特征规范化、训练模型及评估准确率的全过程。实验中采用Python的pandas库读取数据,利用sklearn库实现KNN算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

# -*- coding:utf-8 -*-
import numpy as np
import pandas as pd
from sklearn.neighbors import KNeighborsClassifier

model = KNeighborsClassifier()

origin_data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data',names=['sepal_length','sepal_width','petal_length','petal_width','class_name'])

norm_data = origin_data.apply(lambda v : v if v.name == 'class_name' else (v - np.min(v))/(np.max(v) - np.min(v)))
train_data = norm_data.sample(frac=0.7)
test_data = norm_data.drop(train_data.index)

model.fit(X=train_data.iloc[:,:-1],y=np.array(train_data.iloc[:,-1:]).astype(str).ravel())
accuracy = model.score(X=test_data.iloc[:,:-1],y=np.array(test_data.iloc[:,-1:]).astype(str).ravel())
print(accuracy)
just_try = model.predict(X=test_data.iloc[:,:-1])
print(just_try)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值