KNN分类器的实现过程（python）

电脑

python3.6（anaconda）

sklearn模块

加载一组数据——iris：from sklearn import datasets  from sklearn.neighbors import KNeighborsClassifier  import numpy as np  a = datasets.load_iris()

从a里面读出输入数据：x=a.data 每一个数据都是一个四元向量。

从a里面读出输出数据：y=a.targetx里面的每一个向量，都对应y里面的一个数字。

给出0到150之间的正整数的随机排列：indices = np.random.permutation(len(x))此时，len(x)=150

把x和y分割为训练集和测试集：x_train = x[indices[:-10]]y_train = y[indices[:-10]]x_test = x[indices[-10:]]y_test = y[indices[-10:]]

定义一个knn分类器，并用训练集对它进行训练：knn = KNeighborsClassifier()knn.fit(x_train,y_train)

用测试集测试knn：z=knn.predict(x_test)准确率是100%。

用不同的训练集测试knn，准确率是不一样的。