knn 算法 k个相近邻居

#

一个最基本的例子
#样本数据的封装
feature = [[170,70,42],[166,56,39],[188,90,44],[165,88,40],[170,66,40],[176,80,42],[166,55,37],[155,50,38]]
target = ['男','女','男','男','女','男','女','女']

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=3) #k 值
knn.fit(feature,target)  #试
knn.score(feature,target)  #打分
#分类
knn.predict([[167,66,38]]) #调用

#其他特征数据（判断男女）
# 心率
# 血压
# 体温

# 

导包，机器学习的算法KNN、数据蓝蝴蝶
import sklearn.datasets as datasets
import numpy as np
iris = datasets.load_iris() #鸢尾花

#提取样本数据
feature = iris['data']   # 特征
target = iris['target']   # 目标

#将样本数据进行随机打乱
np.random.seed(1)
np.random.shuffle(feature)
np.random.seed(1)
np.random.shuffle(target)

#获取训练样本数据和测试样本数据
#提取训练的特征and目标数据
x_train = feature[0:140]
y_train = target[0:140]

#提取测试的特征and目标数据
x_test = feature[140:]
y_test = target[140:]

#实例化模型对象&训练模型
knn = KNeighborsClassifier(n_neighbors=11)
knn.fit(x_train,y_train)
knn.score(x_test,y_test)  #分数
print('模型的分类结果：',knn.predict(x_test))
print('真实的分类结果:',y_test)
knn.predict([[8.7, 1.5, 5.8, 0.8]]) #调用函数
#