k-近邻(应用sklearn的莺尾花数据集)
kNN 的作用机制为 在目标周围选取最近k个点,这k个点哪种占比最大,就可以把这个目标分类到那个分类,即有分到相似属性多的类别。
该算法和回归,决策树不同之处是,回归和决策树是通过训练集确定参数,参数一旦确定直接就能拿来进行测试,而kNN不同,它的分类要凭借训练数据,或者说并没有训练这一过程。
#导入包
import pandas as pd
import numpy as np
from sklearn.datasets import load_iris #莺尾花数据集
from sklearn.neighbors import KNeighborsClassifier #knn算法
iris = load_iris()
X = iris.data
y = iris.target
feature_name = iris.feature_names
#看一下k为多少,准确率最高
for i in range(5,20):
knn = KNeighborsClassifier(n_neighbors=i, weights='uniform')
knn.fit(X, y)
print("准确率", knn.score(X, y))
15和16的准确率最高,选15
#创建knn
knn = KNeighborsClassifier(n_neighbors=15, weights='uniform')
#训练
knn.fit(X,y)
#预测
pred = knn.predict(X)
# 创建pandas dataframe
df = pd.DataFrame(X,columns=feature_name)
df['target'] = y
df['pred'] = pred
#保存
df.to_excel('iris.xlsx')
k-近邻(应用sklearn的莺尾花数据集)相关推荐
- 莺尾花数据集--kNN分类
Step1: 库函数导入 import numpy as np # 加载莺尾花数据集 from sklearn import datasets # 导入KNN分类器 from sklearn.neig ...
- ML之kNNC:基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测daiding
ML之kNNC:基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测 目录 基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测 设计思路 ...
- ML之kNNC:基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测
ML之kNNC:基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测 目录 基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测 设计思路 ...
- KNN实战莺尾花数据集
0 前言 俗话说,实践才能出真理,能动手就不要逼逼,下面将利用莺尾花数据集实战KNN算法. 1 实战概述 首先,要介绍一下这个实战的整体思路:要做什么.怎么做!第一步,我们应该拿到数据集,了解数据集信 ...
- 莺尾花数据集–贝叶斯分类(day5)
莺尾花数据集–贝叶斯分类 Step1: 库函数导入 import warnings warnings.filterwarnings('ignore') #忽略了警告错误的输出 import numpy ...
- SVM训练莺尾花数据集
SVM训练莺尾花数据集 代码在莺尾花数据集上训练SVM,数据集由莺尾花的测量值及其相应的物种标签组成.该模型使用70%数据用于训练,然后剩余部分进行测试.其中′fit′'fit'′fit′方法在训练集 ...
- DL之PerceptronAdalineGD:基于iris莺尾花数据集利用Perceptron感知机和AdalineGD算法实现二分类
DL之Perceptron&AdalineGD:基于iris莺尾花数据集利用Perceptron感知机和AdalineGD算法实现二分类 目录 基于iris莺尾花数据集利用Perceptron ...
- 从零开始用Python实现k近邻算法(附代码、数据集)
作者:Tavish Srivastava 翻译:王雨桐 校对:丁楠雅 本文约2000字,建议阅读8分钟. 本文将带领读者理解KNN算法在分类问题中的使用,并结合案例运用Python进行实战操作. 注意 ...
- 机器学习系列(五) -- 逻辑回归(莺尾花数据集)
加载数据 import numpy as np import pandas as pddata = pd.read_csv('iris.csv') # 去掉不需要的ID列 data.drop('ID' ...
最新文章
- 深度增强学习方向论文整理
- 在二叉树中找值为x的结点(假设所有结点的值都不一样)
- python怎么画出圆润的曲线_利用python画出AUC曲线的实例
- (下)挖掘传统行业日志大数据的无限价值
- 【数据结构与算法】快排、归并 O(nlogn) 基于比较
- echart的进阶使用(option)
- Win10系统省电模式的设置教程
- python缩进问题idle_Python IDLE中的缩进问题
- 基于Android P,自定义Android开机动画的方法
- 编写c语言程序解一元一次方程,一元方程计算器1.0的代码(C语言实现)
- 计算机如何通过手机连接网络,主编教您手机怎么通过usb连接电脑上网
- 【前端库】moment.js 时间库
- NCRE考试感想 四级嵌入式(下)
- AI作业2-监督学习
- TI高精度实验室-运算放大器-第十六节-全差分放大器
- java 乘法 位移_Java 使用位移运算实现乘法
- 医药、档案、全价值链知识管理等多款产品解决方案在鸿翼云生态大会上发布
- 《四海小记c++学习之路》第一阶段 基础
- oracle时间24小时格式转换,在oracle数据库中查询时间并转为24小时制--------------String转Date类型或者Date转String类型...
- 好看又炫酷的网页特效例子收集