怎么在python中使用sklearn实现一个KNN分类算法-创新互联

怎么在python中使用sklearn实现一个KNN分类算法？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

在肥东等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都网站制作、成都网站设计 网站设计制作按需策划设计,公司网站建设,企业网站建设,品牌网站建设,成都全网营销推广,外贸网站制作,肥东网站建设费用合理。

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k<30

• 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k=15
clf = 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='', s=80, label='all_data')
plt.scatter(test_data[:, 0], test_data[:, 1], marker='^', color=[colormap[x] for x in Z], s=20, label='test_data')
plt.legend()
plt.show()

结果如下：

关于怎么在python中使用sklearn实现一个KNN分类算法问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。

本文名称：怎么在python中使用sklearn实现一个KNN分类算法-创新互联
本文链接：http://cxhlcq.com/article/dhdehe.html