使用KNN算法对水果进行分类
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
- 前言
- 一、pandas是什么?
- 二、使用步骤
- 1.引入库
- 2.读入数据
- 总结
前言
提示:这里可以添加本文要记录的大概内容:
随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容,。
一、KNN算法是什么?
KNN 的全称是 K Nearest Neighbors,意思是 K 个最近的邻居。从这个名字我们就能看出一些 KNN 算法的蛛丝马迹了。K 个最近邻居,毫无疑问,K 的取值肯定是至关重要的,那么最近的邻居又是怎么回事呢?其实,KNN 的原理就是当预测一个新的值 x 的时候,根据它距离最近的 K 个点是什么类别来判断 x 属于哪个类别
二、使用步骤
1.引入库
代码如下(示例):
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import pandas as pd
2.读入数据
代码如下(示例):
方法一
#导入水果数据并查看数据特征
fruit = pd.read_csv('fruit_data.txt','\t')
fruit1=pd.read_csv('测试集.txt','\t',header=None)# 获取属性
X = fruit.iloc[:,1:]
# 获取类别
Y = fruit.iloc[:,0].T
#训练集
fruit_train_X=X
fruit_train_y=Y
#分类器初始化
knn = KNeighborsClassifier()
#对训练集进行训练
knn.fit(fruit_train_X, fruit_train_y)
#测试集
W=fruit1.iloc[:,1:5]
Z = fruit1.iloc[:,0].T
fruit1_test_X=W
fruit1_test_y=Z
predict_result1 = knn.predict(fruit1_test_X)
#对测试集数据的水果类型进行预测
predict_result = knn.predict(fruit1_test_X)
print('水果测试集大小:',fruit1_test_X.shape)
print('水果真实结果:',fruit1_test_y)
print('水果预测结果:',predict_result1)
方法二
#
导入水果数据并查看数据特征
fruit = pd.read_csv('fruit_data.txt','\t')
# 获取属性
X = fruit.iloc[:,1:]
# 获取类别
Y = fruit.iloc[:,0].T
# 划分成测试集和训练集
fruit_train_X,fruit_test_X,fruit_train_y,fruit_test_y=train_test_split(X,Y,test_size=0.2, random_state=0)
#分类器初始化
knn = KNeighborsClassifier()
#对训练集进行训练
knn.fit(fruit_train_X, fruit_train_y)
#对测试集数据的水果类型进行预测
predict_result = knn.predict(fruit_test_X)
print('测试集大小:',fruit_test_X.shape)
print('真实结果:',fruit_test_y)
print('预测结果:',predict_result)
#显示预测精确率
print('预测精确率:',knn.score(fruit_test_X,fruit_test_y))
数据集
http://链接:https://pan.baidu.com/s/1gxL7lJD35E_bq--eyHXzkw
提取码:aabb
使用KNN算法对水果进行分类相关推荐
- 机器学习:KNN算法对鸢尾花进行分类
机器学习:KNN算法对鸢尾花进行分类 1.KNN算法的理解: 1.算法概述 KNN(K-NearestNeighbor)算法经常用来解决分类与回归问题, KNN算法的原理可以总结为"近朱者赤 ...
- 机器学习之Python使用KNN算法对鸢尾花进行分类
文章目录 2. 编写代码,实现对iris数据集的KNN算法分类及预测 要求: 第一步:引入所需库 第二步:划分测试集占20% 第三步:n_neighbors=5 第四步:评价模型的准确率 第五步:使用 ...
- 机器学习的练功方式(四)——KNN算法
文章目录 致谢 致歉 4 KNN算法 4.1 sklearn转换器和估计器 4.1.1 转换器 4.1.2 估计器 4.2 KNN算法 4.2.1 概述 4.2.2 电影类型分析 4.2.3 算法实现 ...
- python实现KNN算法在电影分类中的应用
使用python实现KNN算法在电影分类中的应用 代码如下: import numpy as np import operator""" 使用KNN算法对电影进行分类 K ...
- 【机器学习】KNN算法实战项目二:水果分类
KNN算法实战项目二:水果分类 2 KNN实现水果分类 2.1 模块导入与数据加载 2.2 数据EDA 2.3 模型创建与应用 2.4 绘制决策边界 手动反爬虫: 原博地址 https://blog. ...
- KNN 算法-理论篇-如何给电影进行分类
公号:码农充电站pro 主页:https://codeshellme.github.io 目录 1,准备电影数据 2,用KNN 算法处理分类问题 3,用KNN 算法处理回归问题 4,总结 KNN 算法 ...
- 使用kNN算法对魔方颜色进行分类
1. 数据处理 使用opencv中的方法读取魔方6个面的图片数据,对图像数据进行分割得到魔方6个面的像素数据.由于图像有噪点,故使用高斯平滑对图像进行平滑去噪得到魔方图像数据. 图一 原始图片 图二 ...
- 算法(八):图解KNN算法
K最相邻算法(K-NearestNeighbor Classification Algorithm,KNN)是数据挖掘分类技术中最简单的方法之一,所谓K最近邻,就是K个最近的邻居的意思,说的是每个样本 ...
- 机器学习项目实战——06KNN算法之水果分类
数据集说明: 一共58个数据样本 因为水果的名字是字符串,对其进行编码. labelencoder = LabelEncoder() data.iloc[:,0] = labelencoder.fit ...
最新文章
- log4j在eclipse上使用简介
- POJ 2516 基础费用流
- Linux 用户组相关命令
- 如何处理JCO版本太旧引起的问题
- Gartner 组织世界BI大会,PowerBI 与 Tableau 同台竞技
- mysql双机互备linux成功的_配置MySQL双机热备 - Linux服务器MySQL双机热备份试验_数据库技术_Linux公社-Linux系统门户网站...
- Bellman-Ford 算法及其优化
- Recursive implementation of the Gaussian filter[翻译]
- Android常用组件
- 《C语言程序设计》(谭浩强第五版) 第5章 循环结构程序设计 习题解析与答案
- 浙江大学概率论与数理统计第四版考研真题和课后答案
- 全面升级,淘宝/天猫api接口大全
- opencv 图片清晰度检测
- 原始人到春秋战国历史常识整理
- ios底层是linux,深入iOS系统底层之CPU寄存器介绍
- 51单片机数码管显示学习笔记
- sklearn笔记29 线性回归 天猫双十一销量预测
- Multiple keywords with name ‘Capture Page Screenshot‘ found. Give the full name of the keyword you w
- Linux 音频驱动(三) ASoC音频驱动之Codec驱动
- 2022秋招前端面试题(五)(附答案)
热门文章
- 猜数字小游戏实现方法及其思路
- Android 12.0 系统Settings去掉开发者模式功能
- 三菱PLC5u与台达变频器modbus RTU通讯,功能块
- chrome的护眼插件
- Python之旅 — 第一个Python程序
- PT857 Winserver 2012 DPK安装报错 api-ms-win-crt-runtime-l1-1-0.dll错误
- 学习的联结理论 认知理论 建构理论 人本理论
- 为什么魂斗罗只有 128 KB 却可以实现那么长的剧情?
- ubuntu下使用蓝牙耳机
- 边云协同的优点_边缘计算与云边协同有何关系?九大应用场景分析云边协同