标签:KNN iris datasets 150 代码 基础 train test 数据
库 sklearn
库下的工具:
datasets,model_selection,neighbors
K近邻代码思路:
有个数据集----对数据分割----调用KNN算法
iris = datasets.load_iris()
导入数据集
数据集权重:开源数据集,重要数据集之一
数据集特点:还有3个类别,所以可分类
数据集描述链接:https://archive.ics.uci.edu/ml/datasets/Iris/
x=iris.data
y=iris.target
print(x,y)
y表示类别:3个值。所以适合分类问题
iris有150个已知数据,所以 len ( x ) , len ( y ) 都是150
x_train , x_test , y_train , y_test = train_test_split ( x , y , random_state = 2003 )
分割数据集
x 是已知数据,一共 150 个,分成训练集112个 和 测试集38个
y 同理
clf = KNeighborsClassifier(n_neighbors=3)
调用k近邻算法,邻居为3
clf.fit(x_train,y_train)
标签:KNN,iris,datasets,150,代码,基础,train,test,数据 来源: https://blog.csdn.net/lee__7/article/details/102772013
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。