python中利用KNN实现对iris进行分类

最新推荐文章于 2026-04-18 07:46:54 发布
原创 最新推荐文章于 2026-04-18 07:46:54 发布 · 4.2k 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
机器学习--ML

当前文章被收录于：

机器学习--ML
36 篇文章 6 人学习
订阅专栏 查看详情
本文通过使用Python的sklearn库对经典的鸢尾花数据集进行预处理，并采用K-最近邻(KNN)算法进行分类预测。具体步骤包括加载数据、划分训练集与测试集、标准化特征、训练模型及评估模型准确性。最后还展示了详细的分类报告。 
from sklearn.datasets import load_iris

iris = load_iris()

print iris.data.shape

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size = 0.25, random_state = 33)

from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier

ss = StandardScaler()

X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

knc = KNeighborsClassifier()
knc.fit(X_train, y_train)
y_predict = knc.predict(X_test)

print 'The accuracy of K-Nearest Neighbor Classifier is: ', knc.score(X_test, y_test)

from sklearn.metrics import classification_report

print classification_report(y_test, y_predict, target_names = iris.target_names)

【机器学习算法】手动Python实现KNN分类算法，并用iris数据集检验模型效果
12-22
目录一、KNN算法Python实现1、导入包2、 画图，展示不同电影在图上的分布3、训练样本和待测样本准备4、计算待测样本点到每个训练样本点的距离5、查找离待测样本点最近的K个训练样本点的类型6、找出数量最多的类7、写成自定义函数二、鸢尾花（iris）数据集测试1、导入包2、导入数据，划分数据集3、调用写好的KNN函数，并计算查准率、查全率和混淆矩阵 KNN是机器学习十大算法之一，因为原理很好理解，有一句话：“Talk is cheap.Show me the code.” 所以用Python来实现一下吧，并在iris数据集上检验模型效果。 算法原理：看新样本与最接近的那个训练集样本属于哪一类
KNN算法的c++两种实现，内涵两个版本的代码工程，数据集为iris,vs2013可用
03-09
KNN算法的c++两种不同实现，内涵两个版本的代码工程，数据集为iris,vs2013可用
python数据分类knn_使用KNN对iris数据集进行分类——python
weixin_39645249的博客
12-16 452
filename=‘g:\data\iris.csv‘lines=fr.readlines()Mat=zeros((len(lines),4))irisLabels=[]index=0for line in lines:line=line.strip()if len(line)>0:listFromline=line.split(‘,‘)irisLabels.append(listFroml...
python 实现 knn分类算法 (Iris 数据集）
热门推荐
chesian的专栏
07-17 2万+
1、KNN分类算法KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法。他的核心思想就是，要确定测试样本属于哪一类，就寻找所有训练样本中与该测试样本“距离”最近的前K个样本，然后看这K个样本大部分属于哪一类，那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。KNN算法不仅...
告别数据线：在Windows上利用WiFi Direct实现与手机的高速无线互传
最新发布
weixin_30480075的博客
04-18 452
本文详细介绍了在Windows上利用WiFi Direct实现与手机高速无线互传的三种方案，包括微软官方UWP应用、第三方工具Feem和命令行方法。通过对比评测和避坑指南，帮助用户摆脱数据线束缚，实现快速稳定的文件传输，特别适合户外和临时场景使用。
Python机器学习实验二：1.编写代码，实现对iris数据集的KNN算法分类及预测
于笨笨的博客
03-21 4750
Python机器学习实验二：编写代码，实现对iris数据集的KNN算法分类及预测 1、编写代码，实现对iris数据集的KNN算法分类及预测，要求： （1）数据集划分为测试集占20%； （2）n_neighbors=5； （3）评价模型的准确率； （4）使用模型预测未知种类的鸢尾花。 import numpy as np from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris fro
实战案例——使用KNN模型对鸢尾花数据进行分类（含源码及数据集）
白话机器学习
05-11 1048
数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。但是如果使用AUC，把所有样本预测为负例，TPRate和FPRate同时为0（没有Positive），与(0,0) (1,1)连接，得出。例如在反欺诈场景，设欺诈类样本为正例，正例占比很少（假设0.1%），如果使用准确率评估，把所有的样本预测为负例，便可以获得。
python KNN分类算法 使用鸢尾花数据集实战
showswoller的博客
09-19 3836
python KNN分类算法实战（使用鸢尾花数据集）
python中load_iris_在python中利用KNN实现对iris进行分类的方法
weixin_35935249的博客
12-24 2565
如下所示：from sklearn.datasets import load_irisiris = load_iris()print iris.data.shapefrom sklearn.cross_validation import train_test_splitX_train, X_test, y_train, y_test = train_test_split(iris.data, ir...
KNN算法实验-采用UCI的Iris数据集和DryBean数据集
negative_sun的博客
03-18 3168
KNN算法实验-采用UCI的Iris数据集和DryBean数据集
KNN算法 - python实现
Jepson的博客
12-26 474
本文用python实现KNN算法 # -*- coding: utf-8 -*- """ Created on Mon Oct 14 22:54:05 2019 @author: river """ from sklearn import datasets from collections import Counter # 为了做投票 from sklearn.model_selection...
K近邻分类算法
简单随风的博客
09-19 4346
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 下面以比较著名的鸾尾花（Iris）数据集举例，讲解K近邻算法 首先我们先导入数据 from sklearn.datasets import lo...
『机器学习』 —— 最邻近算法（KNN）
Peter_Huang0623的博客
08-10 3610
最邻近算法（K-Nearest Neighbor,KNN） 1、算法综述 Cover和Hart在1968年提出了最初的邻近算法 分类（Classification）算法 输入给予实例的学习（Instance-based learning），懒惰学习（lazy learning） 2、算法原理 为了判断未知实例的类别，以所有已知类别的实例作为参照 ...
在python中利用KNN实现对iris进行分类的方法
09-19
今天小编就为大家分享一篇在python中利用KNN实现对iris进行分类的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
机器学习实战——KNN算法
wxw_csdn的博客
10-24 465
机器学习实战——KNN算法k近邻算法的原理 k近邻算法的原理 k 近邻算法的工作机制非常简单:对给定的测试样本，基于某种距离度量找出训练集中与其最靠近的 k 个训练样本，然后基于这 k 个"邻居"的信息来进行预测。通常， 在分类任务中可使用"投票法" ，即选择这 k 个样本中出现最多的类别标记作为预测结果；
sklern使用之通用模版（以iris为数据集，knn，PCA）
sinat_28981497的博客
05-23 836
import matplotlib.pyplot as plt from sklearn.decomposition import PCA from sklearn.datasets import load_iris from sklearn.neighbors import KNeighborsClassifier from sklearn.cross_validation import trai
Python机器学习：KNN算法
penyy111的博客
10-17 417
1.Iris数据集介绍 Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。 2.实验总要求： 利用scikit-learn库中的KNeighborsClassifier分类算法，对iris数据的4 .
k-近邻算法（k-NN）及其Python实现
zhihua_oba的博客
04-19 753
k-近邻算法（k-NN）及其Python实现 算法思想：   给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。 算法流程： 计算已知类别数据集中的点与当前点之间的距离； 按照距离递增次序排序； 选取与当前点距离最小的k个点； 确定前k个点所在类别的出现频率； 返回前k个点出现频率最高的类...
数学推导+纯Python实现机器学习算法3：k近邻
weixin_37737254的博客
10-01 652
好久没有写机器学习算法系列了，国庆假期重新开始写起~k 近邻基本理论 先来看 k 近邻算法最直观的解释：给定一个训练数据集，对于新的输入实例，在训练...
python信用卡违约预测分析_数据挖掘实战（1）：信用卡违约率分析
weixin_39629129的博客
12-06 2054
在数据挖掘的过程中，我们经常会遇到一些问题，比如：如何选择各种分类器，到底选择哪个分类算法，是 SVM，决策树，还是 KNN？如何优化分类器的参数，以便得到更好的分类准确率？这两个问题，是数据挖掘核心的问题。当然对于一个新的项目，我们还有其他的问题需要了解，比如掌握数据探索和数据可视化的方式，还需要对数据的完整性和质量做评估。这些内容我在之前的课程中都有讲到过。今天的学习主要围绕下面的三个目标，并...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值