sklearn.neighbors.KNeighborsClassifier-优快云博客

本文介绍了KNN分类器的基本使用方法，包括模型训练、预测及概率估计等关键步骤，并通过一个具体的实例展示了如何使用sklearn库中的KNN分类器进行数据分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（1）fit(X, y) : Fit the model using X as training data and y as target values(把X当做训练数据，把y当做真值来训练我们的模型)

　　其中，X 和y的类型如下：如果看不懂也没关系，就把X和y都看作是矩阵

（2）predict(X) ：Predict the class labels for the provided data（预测数据究竟属于哪一类）

　　X的类型和返回值为：

（3） predict_proba(X)：Return probability estimates for the test data X.（返回预测数据针对属于各个类别的可能性）

举例：

import numpy as ny
from sklearn import neighbors

x_train = ny.array([[1,2],
                    [1,3],
                    [2,2],
                    [2,4]])
y_target = ny.array([0,0,1,1])
x_test = ny.array([[1,1],
                   [1,4],
                   [2,1],
                   [5,6]])
    
knn=neighbors.KNeighborsClassifier(algorithm='kd_tree',n_neighbors=3)
knn.fit(x_train,y_target)
pre_result = knn.predict(x_test)
pre_proba = knn.predict_proba(x_test)
print "The pre_result is",pre_result
print "The pre_proba is:\n",pre_proba