sklearn Classifier 基础例子

学习了机器学习中的sklearn, 感觉颇有些简单，接下来就让我们看一个例子，来分析一下它的KNeighborsClassifier 例子，是如何工作的。

代码如下：

import numpy as np

from sklearn import datasets #这里导入sklearn的数据库

from sklearn.cross_validation import train_test_split #这里用来分离数据，分成训练数据和测试数据

from sklearn.neighbors import KNeighborsClassifier #这里导入knn的方法

iris = datasets.load_iris() #这里我们导入数据， iris是一种花，有几种属性，通过属性来分类

print(iris_X[:2]) #这里我们简单查看下花的几种属性数值

iris_X = iris.data #这里获取iris属性的值

iris_Y = iris.target #这里获取每种花的类型，就是iris_X对应的结果

#这里我们进行数据分离，注意左边的格式， test_size = 0.3 是指测试数据占30% 训练数据则为70%

X_train , X_test,Y_train,Y_test = train_test_split(iris_X,iris_Y,test_size = 0.3)

knn = KNeighborsClassifier() # 这里引入训练方式

knn.fit(X_train,Y_train) #这里将数据放入KNeighborsClassifier() 训练器

prediction_Y = knn.predict(X_test) #这里进行预测数据

print(prediction_Y) #这里打印预测值

print(Y_test) #这里打印相应的实际值我们可以进行简单的对比

下面为输出结果：

可以看出我们的预测结果准确率还是蛮高的，对于sklearn 还有许多其他的方法，这里介绍了其中一种！

欢迎大家学习！！！