sklearn中 K近邻 简易使用

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！