knn算法python'
时间: 2024-05-16 20:11:37 浏览: 112
基于python的knn算法设计与实现
KNN(K-Nearest Neighbors)是一种简单但有效的分类和回归算法,它通过测量不同特征值之间的距离进行分类。KNN算法的基本思想是:对于一个未知样本,找到与其最相似的k个已知样本,将未知样本分类为这k个样本中出现次数最多的类别。下面给出一个简单的KNN算法Python实现,代码如下:
```
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
# 加载iris数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 构建KNN分类器,设定k=3
knn = KNeighborsClassifier(n_neighbors=3)
# 训练模型
knn.fit(X_train, y_train)
# 预测结果
y_pred = knn.predict(X_test)
# 计算准确率
accuracy = knn.score(X_test, y_test)
print("Accuracy:", accuracy)
```
以上代码首先加载了Iris数据集,然后将其划分为训练集和测试集。接着,我们使用sklearn库中的KNeighborsClassifier类构建一个KNN分类器,设定k=3,并用训练集训练模型。最后,我们用测试集来预测结果,并计算模型的准确率。
阅读全文