使用KNN演算法實現水果分類器

還是水果分類原始資料，這次使用knn演算法實現水果分類器。k值選擇1、3、5、7，看**結果。

**結果截選如下：

k=1時，**整體準確率（accuracy）是：66.67%

**值是：[0]；真實值是：0

**值是：[3]；真實值是：3

**值是：[2]；真實值是：2

k=3時，**整體準確率（accuracy）是：75.00%

**值是：[0]；真實值是：0

**值是：[3]；真實值是：3

**值是：[2]；真實值是：2

k=5時，**整體準確率（accuracy）是：58.33%

k=7時，**整體準確率（accuracy）是：66.67%

import pandas as pd

from sklearn.model_selection import train_test_split
from sklearn.neighbors import kneighborsclassifier
data_path = './data/fruit_data.csv'
output_dir = './output/'
'mandarin':1,
'lemon':2,
'orange':3
}feat_cols = ['mass','width','height','color_score']
k_values = [1,3,5,7]
if __name__ == '__main__':
data_df = pd.read_csv(data_path)
data_df['label'] = data_df['fruit_name'].map(label_dict)
x = data_df[feat_cols]   # x = data_df[feat_cols].values也行，下同
y = data_df['label']
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=19)
for k in k_values:
knn_model = kneighborsclassifier(n_neighbors=k)
knn_model.fit(x_train,y_train)
accuracy = knn_model.score(x_test,y_test)
print('k={}時，**整體準確率（accuracy）是：%'.format(k,accuracy * 100))
# 看測試集裡每乙個值的**情況
for i in range(x_test.shape[0]):
pred_value = knn_model.predict([x_test.iloc[i].values])
true_value = y_test.iloc[i]
print('**值是：{}；真實值是：{}'.format(pred_value, true_value))
print('__' * 60)

kNN分類器和Python演算法實現

假設生活中你突然遇到乙個陌生人，你對他很不了解，但是你知道他喜歡看什麼樣的電影，喜歡穿什麼樣的衣服。根據以前你的認知，你把你身邊的朋友根據喜歡的電影型別，和穿什麼樣的衣服，簡單的分為了兩類，有錢的和沒錢的。那你該怎麼將這個陌生人分類呢？物以類聚，人以群分，你看他喜歡看的電影和穿衣服的衣服和那群人比較...

Python 實現 KNN 分類演算法

2.python 實現 本文將詳細講述 knn 演算法及其 python 實現 knn k nearest neighbour 即 k最近鄰，是分類演算法中最簡單的演算法之一。knn 演算法的核心思想是如果乙個樣本在特徵空間中的 k 個最相鄰的樣本中的大多數屬於某乙個類別，則將該樣本歸為該類別 有 ...

python實現KNN分類演算法

k近鄰演算法，簡稱knn演算法，作用就是分類 三大要素 import numpy import matplotlib.pyplot as plt 已知訓練集和訓練集類別 測試集 1.測試集廣播和訓練集一樣的規格 2.計算距離 3.對距離列表排序返回最近的k個點的下標 4.有幾個類別就設幾個標籤用來統...