用knn算法实验数据分类完整代码
时间: 2023-07-05 15:05:55 浏览: 52
以下是使用k-NN算法进行数据分类的完整代码示例:
```python
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
data = np.loadtxt("data.txt", delimiter=",")
X = data[:, :-1]
y = data[:, -1]
# 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)
# 定义k-NN分类器
clf = KNeighborsClassifier(n_neighbors=3)
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy * 100))
```
在这个示例中,我们首先使用`numpy`库加载数据集。然后,我们使用`train_test_split`函数将数据集划分为训练集和测试集。接下来,我们使用`KNeighborsClassifier`类定义k-NN分类器,并将其拟合到训练数据上。最后,我们使用`accuracy_score`函数计算模型的准确率并将其输出到控制台中。
请注意,这里使用的是`sklearn`库中的k-NN实现,该实现已经针对大规模数据进行了优化,因此可以处理高维数据集。