python KNN分类算法使用鸢尾花数据集实战

绝地灬酷狼 2023-09-30 15:30 50阅读 0赞

**KNN分类算法，又叫K近邻算法，它概念极其简单，但效果又很优秀。**

**如觉得有帮助请点赞关注收藏啦~~~**

**KNN算法的核心是，如果一个样本在特征空间中的K个最相似，即特征空间中最邻近的样本中的大多数属于某一个类别，则该样本也属于这个类别**

**1：K值**

**K值也就是选择几个相邻的作为测量**

**2：距离的度量**

**距离决定了哪些是邻居哪些不是，度量距离有很多种方法，常用的是欧式距离**

**1：查看数据 使用鸢尾花数据集 由sklearn模块导入**

**![81fce0ed54a0446cab827857bc00a354.png][]**

**2:使用散点矩阵查看数据特征关系**

**![c666d6eaba9345a9a8d2929432b5a743.png][]**

**代码如下 绘图并且划分数据集与训练集**

from sklearn.datasets import load_iris
    from sklearn.model_selection import  train_test_split
    from sklearn.neighbors import KNeighborsClassifier
    from sklearn import  datasets
    import matplotlib.pyplot as plt
    import matplotlib; matplotlib.use('TkAgg')
    import pandas as pd
    iris_dataset=load_iris()
    train_x,test_x,train_y,test_y=train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=2)
    print('trainx\n',train_x)
    print('trainy\n',train_y)
    print('testx\n',test_x)
    print('testy\n',test_y)
    print(test_x.shape)
    print(test_x.shape)
    irisdataframe=pd.DataFrame(train_x,columns=iris_dataset.feature_names)
    pd.plotting.scatter_matrix(irisdataframe,c=train_y,figsize=(15,15),marker='o',hist_kwds={'bins':20},s=60,alpha=0.8)
    plt.show()

**3：建立KNN模型进行预测**

**python中实现KNN方法使用的是KNeighborsClassifier类**

**核心操作分三步**

**3.1：创建****KNeighborsClassifier对象 并进行初始化**

**3.2：调用fit（）方法 对数据集进行训练**

**fit(x,y)以x为训练集 y为测试及对模型进行训练**

**3.3：调用predict函数进行预测**

**![dac281eda0334b598c8b61f0f1e88103.png][]**

**源代码如下**

from sklearn.datasets import load_iris
    from sklearn.model_selection import  train_test_split
    from sklearn.neighbors import KNeighborsClassifier
    from sklearn import  datasets
    import matplotlib.pyplot as plt
    import matplotlib; matplotlib.use('TkAgg')
    import pandas as pd
    iris_dataset=load_iris()
    iris=datasets.load_iris()
    print("数据集结构",iris.data.shape)
    iris_x=iris.data
    iris_y=iris.target
    iris_train_x,iris_test_x,iris_train_y,iris_test_y=train_test_split(iris_x,iris_y,test_size=0.2,random_state=0)
    knn=KNeighborsClassifier()
    knn.fit(iris_train_x,iris_train_y)
    predictresult=knn.predict(iris_test_x)
    print("测试集大小",iris_test_x.shape)
    print("真实结果",iris_test_y)
    print("预测结果",predictresult)
    print("预测精确率",knn.score(iris_test_x,iris_test_y))

[81fce0ed54a0446cab827857bc00a354.png]: https://img-blog.csdnimg.cn/81fce0ed54a0446cab827857bc00a354.png
[c666d6eaba9345a9a8d2929432b5a743.png]: https://img-blog.csdnimg.cn/c666d6eaba9345a9a8d2929432b5a743.png
[dac281eda0334b598c8b61f0f1e88103.png]: https://img-blog.csdnimg.cn/dac281eda0334b598c8b61f0f1e88103.png