溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
怎么在python中使用sklearn實現一個KNN分類算法？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。
實現步驟：通過選取與該點距離最近的k個樣本，在這k個樣本中哪一個類別的數量多，就把k歸為哪一類。
注意
該算法需要保存訓練集的觀察值，以此判定待分類數據屬于哪一類
k需要進行自定義，一般選取k<30
距離一般用歐氏距離，即 
通過sklearn對數據使用KNN算法進行分類
代碼如下：
## 導入鳶尾花數據集 iris = datasets.load_iris() data = iris.data[:, :2] target = iris.target ## 區分訓練集和測試集，75%的訓練集和25%的測試集 train_data, test_data = train_test_split(np.c_[data, target]) ## 訓練并預測，其中選取k=15 clf = neighbors.KNeighborsClassifier(15, 'distance') clf.fit(train_data[:, :2], train_data[:, 2]) Z = clf.predict(test_data[:, :2]) print '準確率:' ,clf.score(test_data[:, :2], test_data[:, 2]) colormap = dict(zip(np.unique(target), sns.color_palette()[:3])) plt.scatter(train_data[:, 0], train_data[:, 1], edgecolors=[colormap[x] for x in train_data[:, 2]],c='', s=80, label='all_data') plt.scatter(test_data[:, 0], test_data[:, 1], marker='^', color=[colormap[x] for x in Z], s=20, label='test_data') plt.legend() plt.show()
結果如下：
關于怎么在python中使用sklearn實現一個KNN分類算法問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
