怎么在python中使用sklearn實現(xiàn)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。

在肥東等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都網(wǎng)站制作、成都網(wǎng)站設(shè)計 網(wǎng)站設(shè)計制作按需策劃設(shè)計,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),品牌網(wǎng)站建設(shè),成都全網(wǎng)營銷推廣,外貿(mào)網(wǎng)站制作,肥東網(wǎng)站建設(shè)費用合理。

實現(xiàn)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(shù)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(shù)據(jù)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(shù)據(jù)使用KNN算法進行分類

代碼如下：

## 導入鳶尾花數(shù)據(jù)集
iris = datasets.load_iris()
data = iris.data[:, :2]
target = iris.target

## 區(qū)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(jié)果如下：

關(guān)于怎么在python中使用sklearn實現(xiàn)一個KNN分類算法問題的解答就分享到這里了，希望以上內(nèi)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(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道了解更多相關(guān)知識。

名稱欄目：怎么在python中使用sklearn實現(xiàn)一個KNN分類算法-創(chuàng)新互聯(lián)
網(wǎng)頁鏈接：http://jinyejixie.com/article44/dhdehe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、網(wǎng)站設(shè)計、企業(yè)建站、網(wǎng)站營銷、微信小程序、定制開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)