sklearn中 K近邻 简易使用
2021/11/10 23:10:45
本文主要是介绍sklearn中 K近邻 简易使用,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
K近邻算法是如果一个样本在特征空间的K个最相邻(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。
他的原理就是求两点之间的距离,看距离谁是最近的,以此来区分我们要预测的这个数据是属于哪个分类。计算距离的公式为欧式距离公式。
from sklearn.neighbors import KNeighborsClassifier import numpy as np values = np.array( [[0, 0], [0.1, 0.2], [1, 1], [1.1, 0.9]] ) labels = ['A', 'A', 'B', 'B'] knn = KNeighborsClassifier(n_neighbors=3) knn.fit(values, labels) ret = knn.predict([[0.7, 0.8]]) print(ret)
结果是属于B类
这篇关于sklearn中 K近邻 简易使用的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-26结对编程到底难不难?答案在这里
- 2024-06-19《2023版Java工程师》课程升级公告
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)