ML—KNN(K近邻,iris数据集为例)
最新推荐文章于 2023-04-12 01:03:51 发布

TWLS 于 2018-11-26 20:40:47 发布
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
KNN笔记
算法大致步骤(预测y的类别为例):
1)计算样本y与训练样本(已知标签样本)的距离;
2)找出距离最近的K个样本;
3)选择这K个样本中出现最多的类别作为y的类别标记;
数据集 iris为鸢尾花样本,前四列为特征,最后一列为标签,如下图

数据连接:http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
有点笨,直接手动将数据分为训练集和测试集
代码如下:
import operator
import pandas as pd
import numpy as np
def get_data(train_path, test_path):
train_data = pd.read_table(train_path, sep=',', header=None)
test_data = pd.read_table(test_path, sep=','
相关知识
【机器学习】利用KNN对Iris鸢尾花数据集进行分类
Python原生代码实现KNN算法(鸢尾花数据集)
KNN算法实现鸢尾花数据集分类
K近邻算法和鸢尾花问题
原生python实现knn分类算法(鸢尾花数据集)
实验一:鸢尾花数据集分类
15 鸢尾花(iris)数据集分析
鸢尾花(iris)数据集分析
利用KNN对150个实例对花卉进行机器培训
【机器学习】基于KNN算法实现鸢尾花数据集的分类
原文链接: ML—KNN(K近邻,iris数据集为例) https://m.huajiangbk.com/newsview854533.html
| 上一篇: 如果某文档内容为“用数据刻画规律... | 下一篇: Python实现KNN算法(鸢尾... |



