【Python-ML】SKlearn库K近邻(KNN) 使用
2018-01-15 17:10
399 查看
# -*- coding: utf-8 -*- ''' Created on 2018年1月15日 @author: Jason.F @summary: Scikit-Learn库K近邻分类算法 ''' from sklearn import datasets import numpy as np from sklearn.cross_validation import train_test_split from sklearn.preprocessing import StandardScaler from matplotlib.colors import ListedColormap import matplotlib.pyplot as plt from sklearn.svm import SVC from sklearn.metrics import accuracy_score from sklearn.neighbors import KNeighborsClassifier #决策边界函数 def plot_decision_regions(X,y,classifier,test_idx=None,resolution=0.02): # 设置标记点和颜色 markers = ('s','x','o','^','v') colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan') cmap = ListedColormap(colors[:len(np.unique(y))]) # 绘制决策面 x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1 x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1 xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution),np.arange(x2_min, x2_max, resolution)) Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T) Z = Z.reshape(xx1.shape) plt.contourf(xx1, xx2, Z, alpha=0.4, cmap=cmap) plt.xlim(xx1.min(), xx1.max()) plt.ylim(xx2.min(), xx2.max()) #绘制所有样本 X_test,y_test=X[test_idx,:],y[test_idx] for idx,cl in enumerate(np.unique(y)): plt.scatter(x=X[y==cl,0],y=X[y==cl,1],alpha=0.8,c=cmap(idx),marker=markers[idx],label=cl) #高亮预测样本 if test_idx: X_test,y_test =X[test_idx,:],y[test_idx] plt.scatter(X_test[:,0],X_test[:,1],c='',alpha=1.0,linewidths=1,marker='o',s=55,label='test set') #数据导入 iris=datasets.load_iris() X=iris.data[:,[2,3]] y=iris.target print (np.unique(y)) #训练集和测试集划分 X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=0) #标准化 sc=StandardScaler() sc.fit(X_train)#计算样本的均值和标准差 X_train_std=sc.transform(X_train) X_test_std=sc.transform(X_test) #惰性学习-实例学习:KNN knn=KNeighborsClassifier(n_neighbors=5,p=2,metric='minkowski')#闵可夫斯基距离 #距离计算参考:http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.DistanceMetric.html knn.fit(X_train_std,y_train) #模型预测 y_pred=knn.predict(X_test_std) print ('Accuracy:%.2f' %accuracy_score(y_test,y_pred))#准确率 #绘制决策边界 X_combined_std=np.vstack((X_train_std,X_test_std)) y_combined=np.hstack((y_train,y_test)) plot_decision_regions(X=X_combined_std, y=y_combined, classifier=knn, test_idx=range(105,150)) plt.xlabel('petal length[standardized]') plt.ylabel('petal width[standardized]') plt.legend(loc='upper left') plt.show()
结果:
相关文章推荐
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习算法与Python实践—k近邻(KNN)
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习算法与Python实践之(二)k近邻(KNN)
- ML一:python的KNN算法
- 机器学习算法与Python实践之(一)k近邻(KNN)
- KNN、k-近邻算法,python
- k近邻(kNN)算法的Python实现(基于欧氏距离)
- 【机器学习实战-kNN(k-近邻)】python3实现-书本知识【1】
- Python OpenCV学习笔记之:使用KNN对视频背景消除
- 懒惰学习——使用近邻分类(KNN)
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习经典算法详解及Python实现–K近邻(KNN)算法
- OpenCV3的kNN算法进行OCR识别-使用Python
- 机器学习算法与Python实践之(二)k近邻(KNN)
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习算法与Python实践之(一)k近邻(KNN)
- 机器学习算法与Python实践之k近邻(KNN)