python中K-NN算法的作用是什么

這期內容當中小編將會給大家帶來有關python中K-NN算法的作用是什么，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

python有哪些常用庫

python常用的庫：1.requesuts；2.scrapy；3.pillow；4.twisted；5.numpy；6.matplotlib；7.pygama；8.ipyhton等。

1、定義

如果?個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數屬于某?個類別， 則該樣本也屬于這個類別。（起源：KNN最早是由Cover和Hart提出的一種分類算法）；俗話就是：根據“鄰居”來推斷出你的類別。

2、基本流程

（1）計算已知類別數據集中的點與當前點之間的距離2)按距離遞增次序排序

（2）選取與當前點距離最小的k個點

（3）統計前k個點所在的類別出現的頻率

（4）返回前k個點出現頻率最高的類別作為當前點的預測分類

3、實例

代碼涉及sklean庫，需要安裝sklearn庫。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
 
# 1.獲取數據
iris = load_iris()
 
# 2.數據基本處理：訓練集的特征值x_train 測試集的特征值x_test 訓練集的?標值y_train 測試集的?標值y_test，
'''
x: 數據集的特征值
y: 數據集的標簽值
test_size: 測試集的??， ?般為float
random_state: 隨機數種?,不同的種?會造成不同的隨機采樣結果。 相同的種?采樣結果相同
'''
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=22)
 
# 3.特征工程 - 特征預處理
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
 
# 4.機器學習-KNN
# 4.1 實例化一個估計器
estimator = KNeighborsClassifier(n_neighbors=5)
# 4.2 模型訓練
estimator.fit(x_train, y_train)
 
# 5.模型評估
# 5.1 預測值結果輸出
y_pre = estimator.predict(x_test)
print("預測值是:\n", y_pre)
print("預測值和真實值的對比是:\n", y_pre==y_test)
 
# 5.2 準確率計算
score = estimator.score(x_test, y_test)
print("準確率為:\n", score)

上述就是小編為大家分享的python中K-NN算法的作用是什么了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。