标签：KNN KNeighborsClassifier AI 鸢尾花 train import 自学 model size
K邻算法（k-Nearest Neighbor）是最常用也是最简单的机器学习算法之一。
关于该算法正式的表述是：如果一个样本在特征空间中的K个最相似（特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别的样本的特性。
通俗点说，就是近朱者赤近墨者黑，你周围的狐朋狗友多数属于哪一类人，你大概率也属于这一类人。具体说就是，找到跟你关系最近的K个朋友，看看他们是哪一类人（喜欢打什么游戏、是学霸还是学渣等）
在KNN中，通过计算对象间距离来为各个对象之间的非相似性指标，距离一般采用欧式距离或曼哈顿距离。在K个对象中投票表决进行决策。
在scikit-learn中KNN的类是 KNeighborsClassifier，下面以经典的鸢尾花数据集做个案例实验
1 # 从sklearn 导入KNeighborsClassifier方法 2 from sklearn.neighbors import KNeighborsClassifier 3 import numpy as np 4 from pandas import read_csv 5 #导入鸢尾花集数据 6 filename = 'data/iris/iris.data.csv' 7 names = ['separ-length','separ-width','petal-length','petal-width','class'] 8 dataset = read_csv(filename, names=names) 9 from sklearn.model_selection import train_test_split 10 from sklearn.metrics import accuracy_score 11 12 #分离数据集 13 array = dataset.values 14 X = array[:,0:4] 15 Y = array[:,4] 16 validation_size = 0.2 17 seed = 7 18 X_train,X_validation,Y_train,Y_validation = \ 19 train_test_split(X, Y, test_size=validation_size, 20 random_state=seed) 21 22 23 #定义数据集 24 model = KNeighborsClassifier(n_neighbors=3, algorithm='ball_tree') 25 #KNeighborsClassifier(algorithm='ball_tree', leaf_size=30, metric='minkowski',,metric_params=None, n_jobs=None, n_neighbors=4, p=2,,weights='uniform') 26 model.fit(X_train, Y_train) 27 28 29 # 预测 30 print(model.predict([[4.7, 3.2,1.3,0.2]])) # 输出某个具体数据的分类结果 31 print(model.predict_proba([[4.7, 3.2,1.3,0.2]])) # 预测属数据于各个标签的概率 32 print(model.score(X, Y)) # 输出模型训练结果准确率
打印结果如下：
1 ['Iris-setosa'] #预测输入的数据属于 Iris-setosa 这一种鸢尾花 2 [[1. 0. 0.]] #预测属于三种鸢尾花的概率分别为 1，0， 0，就是比较笃定地认为属于第一种了。 3 0.96 #在测试集上整体的预测准确率为0.96
标签：KNN,KNeighborsClassifier,AI,鸢尾花,train,import,自学,model,size 来源： https://www.cnblogs.com/tonymarvel/p/15515875.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。