机器学习-K近邻算法（二）：二维数据与鸢尾花案例-实战：模拟数据及详细代码注解

阅读量：

二维鸢尾花数据-KNN分类

step 1：库函数导入

复制代码

    import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib.colors import ListedColormap
    from sklearn.neighbors import KNeighborsClassifier
    from sklearn import datasets

step 2：数据导入

复制代码

    #使用莺尾花数据集的前两维数据，便于数据可视化
    iris = datasets.load_iris() #加载鸢尾花数据集
    X = iris.data[:, :2] #取鸢尾花数据集前两列特征
    y = iris.target #y为鸢尾花的类别信息

step 3：模型训练&可视化

复制代码

    k_list = [1, 3, 5, 8, 10, 15] # 因为要比较不同K值下模型的性能，所以选择了6个不同的k值。
    h = .02，步长，用来设置x和y轴上两个数字之间的间距
    # 创建不同颜色的画布
    cmap_light = ListedColormap(['orange', 'cyan'

全部评论 (0)

还没有任何评论哟~