通过KNN例子，实现Sklearn入门

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/benzhaohao/article/details/80425415

一、安装sklearn

pip 安装 

安装 Scikit-learn (sklearn) 最简单的方法就是使用 pip 安装它.

首先确认自己电脑中有安装

Python (>=2.6 或 >=3.3 版本)

Numpy (>=1.6.1)

Scipy (>=0.9)

然后打开cmd窗口，使用如下命令安装

pip3 install -U scikit-learn(因为我用的版本是python3，所以pip后面要加3）

    

ps：其实只要电脑中已经安装anaconda，那就不需要再安装sklearn了

扫描二维码关注公众号，回复： 4322694 查看本文章

可以使用 conda list 命令查看anaconda中是否有sklearn模块

二、使用sklearn中KNN算法识别 Iris（鸢尾花）类别

import numpy as np       
from sklearn import datasets   #从sklearn自带数据库中加载鸢尾花数据
from sklearn.model_selection import train_test_split #引入train_test_split函数
from sklearn.neighbors import KNeighborsClassifier   #引入KNN分类器

iris=datasets.load_iris()  #将鸢尾花数据存在iris中
iris_X=iris.data   #指定训练数据iris_X
iris_y=iris.target   #指定训练目标iris_y
# print(iris_X[:2,:])   //查看前两个例子的所有特征值
# print(iris_y)  //查看目标标签名称

#使用train_test_split（）函数将数据集分成用于训练的data和用于测试的data
X_train,X_test,y_train,y_test=train_test_split(iris_X,iris_y,test_size=0.3)   

knn=KNeighborsClassifier()   #调用KNN分类器
knn.fit(X_train,y_train)    #训练KNN分类器
print(knn.predict(X_test))  #预测值
print(y_test)              #真实值

输出结果

一二行实预测值，三四行是真实值