偶尔也吃鸡 于 2018-09-05 12:04:21 发布sklearn KNN算法实现鸢尾花分类
编译环境 python 3.6 使用到的库 sklearn 简介本文利用sklearn中自带的数据集(鸢尾花数据集),并通过KNN算法实现了对鸢尾花的分类。
KNN算法核心思想：如果一个样本在特征空间中的K个最相似(最近临)的样本中大多数属于某个类别，则该样本也属于这个类别。
自2007年发布以来，scikit-learn已经成为最给力的Python机器学习库（library）了。scikit-learn支持的机器学习算法包括分类，回归，降维和聚类。还有一些特征提取（extracting features）、数据处理（processing data）和模型评估（evaluating models）的模块。
安装：
pip install sklearn 1 鸢尾花数据集介绍
sklearn.datasets.load_iris() # 加载并返回鸢尾花数据集 1
</tr> <tr> <td>特征</td> <td>4</td> </tr> <tr> <td>样本数量</td> <td>150</td> </tr> <tr> <td>每个类别数量</td> <td>50</td> </tr> </tbody>
1234567891011121314151617 名称 数量 类别 3### KNN算法距离计算公式 两个样本的距离也就是欧式距离，比如：样本a(a1,a2,a3)和样本b(b1,b2,b3)的距离  ### sklearn KNN算法API
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto') 1 n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数 algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率) 获取鸢尾花数据
from sklearn.datasets import load_iris def get_iris_data(self): iris = load_iris() iris_data = iris.data # 鸢尾花特征值(4个) iris_target = iris.target # 鸢尾花目标值(类别) return iris_data, iris_target 12345678
