python散点图knn

散点图是一种用于表示两个变量之间关系的图表，其中每个点表示一个数据点。Python中有很多绘制散点图的库，如matplotlib和seaborn等。

KNN（k-最近邻）是一种基于实例的学习或非泛化学习方法，它用于分类和回归。在KNN算法中，对于一个新的数据点，它的类别或数值是由其最近的k个邻居的类别或数值决定的。

在Python中，可以使用scikit-learn库来实现KNN算法。下面是一个使用matplotlib和scikit-learn绘制散点图和应用KNN算法的示例：

import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 生成随机数据
np.random.seed(0)
X = np.random.randn(200, 2)
y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)

# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=y)

# 应用KNN算法
clf = KNeighborsClassifier(n_neighbors=5)
clf.fit(X, y)

# 预测新数据点的类别
new_data = np.array([[0.5, 0.5]])
print("预测结果：", clf.predict(new_data))

plt.show()

上面的代码生成了一个包含200个随机数据点的散点图，并应用了KNN算法。在这个例子中，我们生成了随机数据点，并按逻辑异或函数对它们进行分类。然后，我们使用KNeighborsClassifier类来拟合数据，设置n_neighbors参数为5。最后，我们使用predict()方法来预测新数据点的类别，并将散点图显示在屏幕上。