基礎入門的知識，我就不重複造輪子了。
直接上**，想看**詳細解釋的，看上面的部落格。
#匯入模組
from __future__ import print_function
#匯入sklearn中的資料集
from sklearn import datasets
#匯入測試集
from sklearn.cross_validation import train_test_split
#匯入knn演算法
from sklearn.neighbors import kneighborsclassifier
#建立資料
#載入iris資料，這個資料有四個屬性，花瓣的長寬、莖的長寬，根據這些屬性把花分為三類
iris = datasets.load_iris()
#把屬性存在x
iris_x = iris.data
#類別標籤存在y中
iris_y = iris.target
#觀察資料集
# print(iris_x)
# print(iris_x[:2,:])
# print(iris_y)
#把資料集分為訓練集和測試集，其中test_size=0.3，即測試集佔總資料的30%
x_train,x_test,y_train,y_test = train_test_split(iris_x,iris_y,test_size=0.3)
# print(y_train)
#定義模型-訓練模型-**
#定義模型
#定義knn模型
knn = kneighborsclassifier();
#用fit來訓練training data,這一步就完成了訓練的所有步驟
knn.fit(x_train,y_train)
#後面的knn就是已經訓練好的模型，可以直接用來predict測試集的資料
print(knn.predict(x_test))
#對比用模型**的值與真實值，可以看到大概模擬出了資料，但是有誤差，是不會完全全部**正確的。
print(y_test)
SciKit learn快速入門教程和例項（二）
知乎專欄 繼續上次對波士頓房價 的討論，了解模型的屬性和功能。首先導入庫，使用的是線性回歸 from sklearn import datasets from sklearn.linear model import linearregression 匯入波士頓房價資料集 loaded data da...
SciKit learn快速入門教程和例項（二）
知乎專欄 繼續上次對波士頓房價 的討論，了解模型的屬性和功能。首先導入庫，使用的是線性回歸 from sklearn import datasets from sklearn.linear model import linearregression 匯入波士頓房價資料集 loaded data da...
scikit learn分類問題入門例項（1）
本文以scikit learn自身的digits資料集為例，闡釋分類問題 首先利用pca進行降維 然後訓練模型 from sklearn.cross validation import train test split from sklearn.bayes import gaussiannb ran...