基于sklearn框架下的knn分类器实现

本文主要是介绍基于sklearn框架下的knn分类器实现，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！

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import csv

csvFile = open("D:\datacsv.csv", "r")
reader = csv.reader(csvFile)
iri_X=[]
iri_y=[]

for item in reader:
    # 忽略第一行
    if reader.line_num == 1:
        continue
    iri_X.append([float(item[0]),float(item[1])])
    iri_y.append(item[2])

X_train, X_test, y_train, y_test = train_test_split(iri_X, iri_y, test_size=0.3)
print(len(X_train))

#调用Knn算法
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
y_predict = knn.predict(X_test)

count = 0
for i in range(len(y_predict)):
    if y_predict[i] == y_test[i]:
        count += 1
print('accuracy is %0.2f%%' % (100 * count / len(y_predict)))

思路：

利用csv模块将csv文件数据录入

使用knn算法分类

这篇关于基于sklearn框架下的knn分类器实现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！