Markdown编辑器 vim dedecms 父子元素 variables view vue开发 access教学视频 linux源码在线阅读 matlab图像识别 android调试工具 bitlocker加密好慢 idea导入多个项目 python的range python中index的用法 python中的join函数 java环境 java9 randomjava java怎么学 java入门基础 变量的类型 java读文件 python教程视频 asp建站系统 mac地址修改器 redis入门指南 万能低格工具 主板排名天梯图 端口关闭工具 ae脚本管理器 凤凰刷机 html5下载 摩斯密码翻译器 mysql使用教程 js发送http请求 php小数点保留2位 ps去白底 求字符串长度 文件压缩工具
当前位置: 首页 > 学习教程  > 编程语言

基于Scikit-learn的 K-近邻算法案例

2020/11/24 9:32:12 文章标签: 测试文章如有侵权请发送至邮箱809451989@qq.com投诉后文章立即删除

#导入模块 from sklearn.neighbors import KNeighborsClassifier #构造数据集 x [[0],[1],[2],[3]] y [0,0,1,1] #实例化API estimator KNeighborsClassifier(n_neighbors 1) #使用fit方法进行训练 estimator.fit(x, y) #模型评估 ret estimator.predict([[1]]) print(r…

#导入模块
from sklearn.neighbors import KNeighborsClassifier
#构造数据集
x = [[0],[1],[2],[3]]
y = [0,0,1,1]
#实例化API
estimator = KNeighborsClassifier(n_neighbors = 1)
#使用fit方法进行训练
estimator.fit(x, y)
#模型评估
ret = estimator.predict([[1]])
print(ret)

结果:[0]

说明:

  • sklearn的优势:
    • 文档多,且规范
    • 包含的算法多
    • 实现起来容易
  • knn中的api
    • sklearn.neighbors.KNeighborsClassifier(n_neighbors=5)

 


本文链接: http://www.dtmao.cc/news_show_400051.shtml

附件下载

相关教程

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?