分类算法之邻近算法:KNN（应用篇）

起步

这次使用的训练集由 sklearn 模块提供，关于虹膜（一种鸢尾属植物）的数据。

数据载入

from sklearn import datasets
iris = datasets.load_iris()

数据存储在 .data 成员中，它是一个 (n_samples, n_features) numpy 数组：

print(iris.data)
# [[ 5.1  3.5  1.4  0.2]
#  [ 4.9  3.   1.4  0.2]
#  ...

它有四个特征，萼片长度，萼片宽度，花瓣长度，花瓣宽度 (sepal length, sepal width, petal length and petal width）。

它的品种分类有山鸢尾，变色鸢尾，菖蒲锦葵（Iris setosa, Iris versicolor, Iris virginica.）三种。

print iris.data.shape
# output:(150L, 4L)

这是一个含有 150 个数据的训练集。

构造 KNN 分类器

from sklearn import neighbors
knn = neighbors.KNeighborsClassifier(n_neighbors=5)

n_neighbors 参数级是指定获取 K 个邻近点。

训练

训练的函数一般就是 fit ：

knn.fit(iris.data, iris.target)

测试

模拟一些测试数据，使用刚刚的模型进行预测：

predict = knn.predict([[0.1, 0.2, 0.3, 0.4]])
print(predict) # output: [0]