python中K-NN算法是什么?

本文教程操作環境：windows7系統、Python3.9.1，DELLG3電腦。

KNearestNeighbor算法?叫KNN算法，這個算法是機器學習???個?較經典的算法，總體來說KNN算法是相對?

較容易理解的算法。

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。

fromsklearn.datasetsimportload_iris

fromsklearn.model_selectionimporttrain_test_split

fromsklearn.preprocessingimportStandardScaler

fromsklearn.neighborsimportKNeighborsClassifier

#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)

以上就是python中K-NN算法的介紹，希望能對大家有所幫助。更多Python學習教程請關注IT培訓機構:千鋒教育。