一:机器学习流程
训练集-->机器学习算法-->生成模型-->输入样例-->得出结果。
二:KNN算法
然而我们在写KNN算法时并没有模型生成,KNN较特殊,KNN的模型就是训练集。
三:分为几步
a.指定key
b.fit
c.predict
四:代码
#使用sklearn的kNN算法 import numpy as np from sklearn.neighbors import KNeighborsClassifier #包装了KNN算法 raw_data_X = [[1.232422,1.22324], [2.324232,1.3224], [2.3435353,2.3232342], [3.434353,3.434353], [4.54546,3.54544], [7.42422,6.764353], [6.42224534,7.533232], [8.435353,8.5433], [9.423534,9.422224], [8.544444,9.4564454]] raw_data_y=[0,0,0,0,0,1,1,1,1,1]
#训练集 x_train = np.array(raw_data_X) y_train = np.array(raw_data_y) x = np.array([7.5353343,8.53324232]) knn_classifier = KNeighborsClassifier(n_neighbors=5) #指定key knn_classifier.fit(x_train,y_train) #fit x = x.reshape(1,-1) y_predict = knn_classifier.predict(x) #predict print(y_predict[0])