机器学习算法knn模型及预测

image.png
image.png
image.png
image.png
image.png
image.png

导入iris数据集，并进行赋值

image.png

#使用sklearn的建模四步骤
1、调用需要使用的模型类
2、模型初始化（创建一个模型实例）
3、模型训练
4、模型预测

引入KNN的分类器

##引入knn分类模型
from sklearn.neighbors import KNeighborsClassifier
##创建实例

knn=KNeighborsClassifier(n_neighbors=1)
##模型训练，输入花卉数据集和以及对应的结果集
knn.fit(X,y)
##模型预测
knn.predict([[1,2,3,4]])
##输出：array([2])
预测结果以numpy数组形式返回，也可以一次对多个样本进行预测。
knn.predict([[1,2,3,4],[2,3,1,4]])
##输出: array([2, 0])

设置一个新的k值，进行KNN建模

knn_5=KNeighborsClassifier(n_neighbors=5)
knn_5.fit(X,y)
knn_5.predict([[1,2,3,4],[2,3,1,4]])
##输出：array([1, 0])

因此KNN输入的K值不同，训练后预测的结果就会不同。