摘要：起步这次使用的训练集由模块提供，关于虹膜一种鸢尾属植物的数据。它的品种分类有山鸢尾，变色鸢尾，菖蒲锦葵三种。构造分类器参数级是指定获取个邻近点。训练训练的函数一般就是测试模拟一些测试数据，使用刚刚的模型进行预测
起步
这次使用的训练集由 sklearn 模块提供，关于虹膜（一种鸢尾属植物）的数据。
数据载入from sklearn import datasets iris = datasets.load_iris()
数据存储在 .data 成员中，它是一个 (n_samples, n_features) numpy 数组：
print(iris.data) # [[ 5.1 3.5 1.4 0.2] # [ 4.9 3. 1.4 0.2] # ...
它有四个特征，萼片长度，萼片宽度，花瓣长度，花瓣宽度 (sepal length, sepal width, petal length and petal width）。
它的品种分类有山鸢尾，变色鸢尾，菖蒲锦葵（Iris setosa, Iris versicolor, Iris virginica.）三种。
print iris.data.shape # output:(150L, 4L)
这是一个含有 150 个数据的训练集。
构造 KNN 分类器from sklearn import neighbors knn = neighbors.KNeighborsClassifier(n_neighbors=5)
n_neighbors 参数级是指定获取 K 个邻近点。
训练训练的函数一般就是 fit ：
knn.fit(iris.data, iris.target)测试
模拟一些测试数据，使用刚刚的模型进行预测：
predict = knn.predict([[0.1, 0.2, 0.3, 0.4]]) print(predict) # output: [0]
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/44539.html
摘要：起步本章介绍如何自行构造分类器，这个分类器的实现上算是比较简单的了。不过这可能需要你之前阅读过这方面的知识。在预测函数中，需要依次计算测试样本与数据集中每个样本的距离。筛选出前个，采用多数表决的方式。测试还是使用中提供的虹膜数据。 起步 本章介绍如何自行构造 KNN 分类器，这个分类器的实现上算是比较简单的了。不过这可能需要你之前阅读过这方面的知识。 前置阅读 分类算法之邻近算法:KN...
摘要：邻近算法算法背景假设我们要给一堆音乐分类，我们可以分成摇滚，民谣，戏曲等等，摇滚的音乐激昂，节奏快。这种基于某一特征出现的次数来区分事物的算法，我们使用邻近算法。 k-邻近算法 算法背景 假设我们要给一堆mp3音乐分类，我们可以分成摇滚，民谣，戏曲等等，摇滚的音乐激昂，节奏快。民谣舒缓节奏慢，但是摇滚中也有可能存在舒缓节奏慢点旋律， 同理民谣中也会有激昂，快的旋律。那么如何区分他们呢，...
阅读 1568·2023-04-25 16:29
阅读 936·2021-11-15 11:38
阅读 2265·2021-09-23 11:45
阅读 1394·2021-09-22 16:03
阅读 2521·2019-08-30 15:54
阅读 1185·2019-08-30 10:53
阅读 2586·2019-08-29 15:24
阅读 1079·2019-08-26 12:25
