KNN实现鸢尾花数据集的可视化
首先导入包：
import matplotlib.pyplot as plt import numpy as np from matplotlib.colors import ListedColormap from sklearn.datasets import load_iris 1234
获取数据：
iris = load_iris() # 加载数据 X = iris.data[:, (1, 3)] # 为方便画图，仅采用数据的其中两个特征 y = iris.target 123
设置画图的颜色深浅：
cmap_light = ListedColormap(['#FFAAAA', '#AAFFAA', '#AAAAFF']) cmap_bold = ListedColormap(['#FF0000', '#00FF00', '#0000FF'] 12
决策边界，用不同的颜色表示：
x_min, x_max = X[:, 0].min() - 0.1, X[:, 0].max() + 0.1 y_min, y_max = X[:, 1].min() - 0.1, X[:, 1].max() + 0.1 xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02), np.arange(y_min, y_max, 0.02)) 1234
KNN原理：
def knn_code(loc, k=5, order=2 ): # k order是超参 diff_loc = X - loc dis_loc = np.linalg.norm(diff_loc, ord=order, axis=1) # 没有axis得到一个数，矩阵的泛数。axis=0，得到两个数 knn = y[dis_loc.argsort()[:k]] counts = np.bincount(knn) return np.argmax(counts 123456
将数据合并：
line_loc = np.array(list(zip(xx.ravel(), yy.ravel()))) 1
进行画图：
plt.figure(figsize=(15, 12)) # 图的尺寸 pos = 1 # 位置计数器 for k in [2, 6]: for order in [1, 2]: Z = np.array([knn_code(ii, k, order) for ii in line_loc]).reshape(xx.shape) # 这个是不支持向量化运算的 ax = plt.subplot(220 + pos) # 几行，几列，第几个，先按行数 ax.pcolormesh(xx, yy, Z, cmap=cmap_light, shading='auto') # 绘制预测结果图 ax.scatter(X[:, 0], X[:, 1], c=y, cmap=cmap_bold) # 补充训练数据点 ax.set_title(f'k: {k}, distance order: {order}') pos += 1 plt.suptitle('I am a tuner!') plt.show()
12345678910111213141516可视化展示:
相关知识
KNN算法实现鸢尾花数据集分类
【python机器学习】KNN算法实现回归（基于鸢尾花数据集）
Python原生代码实现KNN算法（鸢尾花数据集）
【机器学习】KNN算法实现鸢尾花分类
【机器学习】基于KNN算法实现鸢尾花数据集的分类
原生python实现knn分类算法(鸢尾花数据集)
KNN分类算法介绍，用KNN分类鸢尾花数据集（iris）
【机器学习】应用KNN实现鸢尾花种类预测
鸢尾花数据集如何可视化
Python实现KNN算法（鸢尾花数据）
网址: KNN实现鸢尾花数据集的可视化 https://m.huajiangbk.com/newsview1544646.html
| 上一篇: 鸢尾花数据集进行数据可视化分析, |
下一篇: R语言使用逻辑回归Logisti |
