題目
sklearn中的datasets方法匯入iris鳶尾花訓練樣本並用train_test_split產生測試樣本，用knn分類並輸出分類精度。
data = sklearn.datasets.iris.data
label = sklearn.datasets.iris.target
輸出
**
from sklearn import datasets
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.neighbors import kneighborsclassifier
#匯入資料集
iris=datasets.load_iris(
)data = iris.data
label = iris.target
#x1,x2,y1,y2=train_test_split(data,label,test_size=0.3)
#train_test_split函式用於將矩陣隨機劃分為訓練子集和測試子集，並返回劃分好的訓練集測試集樣本和訓練集測試集標籤。
#x_train,x_test, y_train, y_testcross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)
#test_size：如果是浮點數，在0-1之間，表示樣本佔比；如果是整數的話就是樣本的數量
##劃分資料集
x1,x2,y1,y2=train_test_split(data,label,test_size=
0.3)
clf = kneighborsclassifier(n_neighbors=15)
#訓練clf.fit(x1, y1)
#**x3=clf.predict(x2)k=0
for i in
range
(len
(x2)):
print
("test "
,i," ="
,x2[i]
,"out="
,y2[i]
)if x3[i]
==y2[i]
: k=k+
1#求分類精度
acc=accuracy_score(y2,x3)
print
("準確度："
,(k/
len(y2)))
print
("acc準確度："
,
KNN演算法 測試分類iris資料集
以iris資料集為例，簡單執行下knn的演算法 匯入常規要用的包 from sklearn.datasets import load iris from sklearn.neighbors import kneighborsclassifier from sklearn.model selectio...
Python實現KNN演算法 iris資料集
在本文中，通過python實現knn演算法，而非簡單的呼叫sklearn庫，並通過iris鳶尾花資料集進行訓練和測試。詳情參見以下 if name main trainx,trainy,testx,testy loadsplitdataset prey knn testx evaluateknn 和...
資料分類KNN演算法
監督就是給的樣本都有標籤，分類的訓練樣本必須有標籤，所以分類演算法都是有監督演算法。監督機器學習無非就是 minimize your error while regularizing your parameters 也就是在規則化引數的同時最小化誤差。最小化誤差是為了讓我們的訓練資料，而規則化引數是...