如何查做的网站排名,python前端开发需要学哪些东西,html居中代码,重庆seo培训KNN(K-Nearest-Neighbours Classiflication)分类算法#xff0c;供大家参考#xff0c;具体内容如下最简单的分类算法#xff0c;易于理解和实现实现步骤#xff1a;通过选取与该点距离最近的k个样本#xff0c;在这k个样本中哪一个类别的数量多#xff0c;就把k归为哪一…KNN(K-Nearest-Neighbours Classiflication)分类算法供大家参考具体内容如下最简单的分类算法易于理解和实现实现步骤通过选取与该点距离最近的k个样本在这k个样本中哪一个类别的数量多就把k归为哪一类。注意该算法需要保存训练集的观察值以此判定待分类数据属于哪一类k需要进行自定义一般选取k30距离一般用欧氏距离即通过sklearn对数据使用KNN算法进行分类代码如下## 导入鸢尾花数据集iris datasets.load_iris()data iris.data[:, :2]target iris.target## 区分训练集和测试集75%的训练集和25%的测试集train_data, test_data train_test_split(np.c_[data, target])## 训练并预测其中选取k15clf neighbors.KNeighborsClassifier(15, distance)clf.fit(train_data[:, :2], train_data[:, 2])Z clf.predict(test_data[:, :2])print 准确率: ,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, s80, labelall_data)plt.scatter(test_data[:, 0], test_data[:, 1], marker^, color[colormap[x] for x in Z], s20, labeltest_data)plt.legend()plt.show()结果如下以上就是本文的全部内容希望对大家的学习有所帮助也希望大家多多支持爱蒂网。
