from KNN import KNN
时间: 2024-03-04 10:47:15 浏览: 24
KNN(K-Nearest Neighbors)是一种常用的机器学习算法,用于分类和回归问题。它基于实例之间的相似性进行预测。在Python中,我们可以使用scikit-learn库中的KNeighborsClassifier类来实现KNN算法。
要使用KNN算法,首先需要导入KNN模块。在Python中,可以使用以下语句导入KNN模块:
```
from sklearn.neighbors import KNeighborsClassifier
```
接下来,可以创建一个KNN分类器的实例,并设置相关参数。例如,可以指定邻居的数量(K值)和距离度量方法等。然后,可以使用训练数据对分类器进行训练,使用测试数据进行预测。
以下是一个简单的示例代码:
```python
from sklearn.neighbors import KNeighborsClassifier
# 创建KNN分类器实例
knn = KNeighborsClassifier(n_neighbors=3)
# 训练数据
X_train = [[1, 2], [3, 4], [5, 6]]
y_train = [0, 1, 0]
knn.fit(X_train, y_train)
# 预测新样本
X_test = [[2, 3], [4, 5]]
y_pred = knn.predict(X_test)
print(y_pred) # 输出预测结果
```
这段代码中,我们首先导入了KNeighborsClassifier类。然后,创建了一个KNN分类器实例knn,并设置邻居数量为3。接下来,使用训练数据X_train和对应的标签y_train对分类器进行训练。最后,使用测试数据X_test进行预测,并将预测结果打印出来。