knn算法实例附代码

以下是KNN算法的一个简单实例及其代码，代码使用Python和scikit-learn库实现。

假设我们有一个包含两个特征和三个类别的数据集，数据集如下：

| 特征1 | 特征2 | 类别 |
|-------|-------|------|
| 1 | 2 | A |
| 2 | 3 | A |
| 3 | 4 | B |
| 4 | 5 | B |
| 5 | 6 | C |
| 6 | 7 | C |

首先，我们需要导入需要的库：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

然后，我们需要准备数据集，将数据集分为训练集和测试集：

# 准备数据集
X_train = np.array([[1, 2], [2, 3], [3, 4], [4, 5], [5, 6], [6, 7]])
y_train = np.array(['A', 'A', 'B', 'B', 'C', 'C'])
X_test = np.array([[2.5, 3.5], [5.5, 6.5]])

接下来，我们需要实例化KNeighborsClassifier类，并设置K值为3：

# 实例化KNeighborsClassifier类
knn = KNeighborsClassifier(n_neighbors=3)

然后，我们需要使用训练集来训练KNN模型：

# 训练KNN模型
knn.fit(X_train, y_train)

接下来，我们可以使用测试集来测试KNN模型的分类效果：

# 预测测试集的类别
y_pred = knn.predict(X_test)
print(y_pred)

最后，我们可以输出KNN模型的评分结果：

# 输出KNN模型的评分结果
score = knn.score(X_test, ['B', 'C'])
print(score)

完整代码如下：

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 准备数据集
X_train = np.array([[1, 2], [2, 3], [3, 4], [4, 5], [5, 6], [6, 7]])
y_train = np.array(['A', 'A', 'B', 'B', 'C', 'C'])
X_test = np.array([[2.5, 3.5], [5.5, 6.5]])

# 实例化KNeighborsClassifier类
knn = KNeighborsClassifier(n_neighbors=3)

# 训练KNN模型
knn.fit(X_train, y_train)

# 预测测试集的类别
y_pred = knn.predict(X_test)
print(y_pred)

# 输出KNN模型的评分结果
score = knn.score(X_test, ['B', 'C'])
print(score)

输出结果为：

['A' 'C']
0.5

其中，y_pred为测试集的预测结果，score为KNN模型的评分结果。