sklearn knn 算法

 最近邻分类算法

优点：

简单，易理解，易实现;适合对稀有事件进行分类。

适合多分类问题（multi-modal，对象有多个类别标签），k-nn比svm更合适

缺点：

1、当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数

2、计算量较大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点

import sklearn
import sklearn.neighbors
import sklearn.datasets
iris = sklearn.datasets.load_iris()
x = iris.data #必须是二维数组
y = iris.target #必须是一维数组

kn_clf = sklearn.neighbors.KNeighborsClassifier()
kn_clf.fit(x,y)
kn_y = kn_clf.predict(x)
print(kn_y)
print(y)
knn_mean = (kn_y == y).astype(int).mean()

print(knn_mean)