本文介绍了如何使用Python的Scikit-learn库实现KNN算法进行手写数字识别。首先，文章强调了KNN算法在有监督学习中的分类作用，区别于无监督学习的K-means。接着，提供了Python环境和必要的第三方库，如Pycharm、Scikit-learn和matplotlib。然后，通过加载数据、数据探索、数据分割、创建KNN分类器以及测试分类效果的步骤，详细阐述了KNN算法的应用过程。
人生苦短，我用python
KNN 可以说是最简单的分类算法之一
同时，它也是最常用的分类算法之一。
注意：KNN 算法是有监督学习中的分类算法，它看起来和另一个机器学习算法 K-means 有点像（K-means 是无监督学习算法），但却是有本质区别的。
python 安装包+资料:点击此处跳转文末名片获取
环境使用:
- Python 3.8 <建议最好是和一样版本>
- Pycharm
第三方模块使用:
-
Scikit-learn（以前称为scikits.learn，也称为sklearn）
是针对Python 编程语言的免费软件机器学习库 。
它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。
-
matplotlib
是一个 Python 的 2D绘图库
它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。
代码展示
from sklearn.neighbors import KNeighborsClass
最低0.47元/天 解锁文章
扫一扫
5691
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
