标签:neighbors KNeighborsClassifier clf 导入 测试 test Sklearn
Sklearn
导入
函数 | 说明 |
---|---|
from sklearn.neighbors import KNeighborsClassifier | 导入KNN分类器 |
from sklearn.datasets import load_breast_cancer | 导入Sklearn案例数据 |
from sklearn.model_selection import train_test_split | 划分测试集与训练集 |
KNeighborsClassifier类型属性
函数 | 说明 |
---|---|
clf = KNeighborsClassifier() | 实例化,n_neighbors默认为5 |
clf.fit(训练集,目标集) | 导入测试数据 |
clf.prediect(测试集) | 预测测试集分类 |
clf.score(测试集,真实结果) | 对模型进行一个评估,接口score返回预测的准确率 |
clf.predict_proba(测试集) | 输出各分类预测概率 |
clf.kneighbors(Xtrain[15,:], n_neighbors=k, return_distance=True) | 直接在测试集的特定位置,查找临近的k个点,及与之的距离和索引值 |
数据集处理
函数 | 作用 | 参数说明 |
---|---|---|
Xtrain,Xtest,Ytrain,Ytest = train_test_split(X,y,test_size=0.2,random_state=420) | 划分数据集与测试集 | test_size设定测试集比例,random_state随机种子,类似于random.seed() |
标签:neighbors,KNeighborsClassifier,clf,导入,测试,test,Sklearn 来源: https://blog.csdn.net/adamlay/article/details/117554293
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。