sklearn第二天

于 2020-05-26 11:29:03 发布
阅读量121 收藏
点赞数
分类专栏： sklearn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_43498494/article/details/106347279
版权
本文深入探讨了KNN算法的原理与应用，包括鸢尾花分类案例的总体流程、参数调优技巧如使用cross_val_score进行交叉验证，以及如何通过调整weights参数提升模型表现。此外，还介绍了KNN在癌症诊断中的实际应用，展示了该算法在不同场景下的强大功能。

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

文章目录

KNN鸢尾花分类

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

总体流程

1导包
2
在这里插入图片描述
在这里插入图片描述
3
在这里插入图片描述
4
在这里插入图片描述
5
在这里插入图片描述

KNN参数cross_val_score调参

在这里插入图片描述
在这里插入图片描述
数据分成多分，留一份去验证，其他分用作训练；再换另一份，其他份作为训练，依次让每一份做验证集，其他作为训练即可。
在这里插入图片描述
训练5次，验证5次，得到5次结果取平均，则更有说服力。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

KNN中的另一个参数weights

有2种选择。
在这里插入图片描述
若两个参数单独选择最优的，不如两个参数结合起来一起筛选。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
当参数再多时，即再多一层for循环即可。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

KNN癌症诊断

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
直径，面积等
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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