鸢尾花种类预测—流程实现

1. 再识K-近邻算法API

sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)

• n_neighbors：
  • int,可选（默认= 5），k_neighbors查询默认使⽤的邻居数
• algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}
  快速k近邻搜索算法，默认参数为auto，可以理解为算法⾃⼰决定合适的搜索算法。除此之外，⽤户也可 以⾃⼰指定搜索算法ball_tree、kd_tree、brute⽅法进⾏搜索，
  • brute是蛮⼒搜索，也就是线性扫描，当训练集很⼤时，计算⾮常耗时。
  • kd_tree，构造kd树存储数据以便对其进⾏快速检索的树形数据结构，kd树也就是数据结构中的⼆叉 树。以中值切分构造的树，每个结点是⼀个超矩形，在维数⼩于20时效率⾼。
  • ball tree是为了克服kd树⾼维失效⽽发明的，其构造过程是以质⼼C和半径r分割样本空间，每个节点 是⼀个超球体。

2 案例：鸢尾花种类预测

2.1 数据集介绍

Iris数据集是常⽤的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是⼀类多重变量分析的数据 集。关于数据集的具体介绍：

2.2 步骤分析

1.获