机器学习 -- KNN算法（Ⅳ 使用sklearn中的kNN）

使用sklearn中的kNN分类大概有如下几个步骤：

1. 需要使用sklearn.neighbors包中的KNeighborsClassifier类，需要进行包和类的导入。

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

 

2. 实例化KNeighborsClassifier对象。

'''
    KNeighborsClassifier(
        n_neighbors=5,
        weights='uniform',
        algorithm='auto',
        leaf_size=30,
        p=2,
        metric='minkowski',
        metric_params=None,
        n_jobs=None,
        **kwargs,
    )
    Docstring: Classifier implementing the k-nearest neighbors vote.
'''
kNN_classifier = KNeighborsClassifier(n_neighbors=6)

 

3. 对KNeighborsClassifier对象传入训练集进行训练。

'''
    Signature: kNN_classifier.fit(X, y)
    Docstring:
    Fit the model using X as training data and y as target values

    Parameters
    ----------
    X : {array-like, sparse matrix, BallTree, KDTree}
        Training data. If array or matrix, shape [n_samples, n_features],
        or [n_samples, n_samples] if metric='precomputed'.

    y : {array-like, sparse matrix}
        Target values of shape = [n_samples] or [n_samples, n_outputs]
    File:      d:\ide\anaconda3\lib\site-packages\sklearn\neighbors\base.py
    Type:      method

'''
kNN_classifier.fit(X_train, y_train)    # 生成模型

 

4. 对KNeighborsClassifier对象传入待预测数据进行预测（注意：传入的待预测数据即使只有一组也得构造矩阵形式传入，否则会报ValueError错误）。

y_predict = kNN_classifier.predict(x)