sklearn基本用法----knn

K-nn算法

1.定义
       在模式识别中，k-邻近算法（k-nn）是用于分类和回归的非参数方法。所谓K邻近，就是k个最近的邻居，意思是每个样本都可以用它最接近的k个邻居来代表。
2.k-nn核心思想
        knn算法的核心思想是如果一个样本在特征空间中的k个最相邻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，并具有这个类别上样本的特性。（给定一个待分类数据，通过距离计算得到离它最近的k个样本，由k个样本投票决定待分类数据归为哪一类—”少数服从多数“）
3.算法流程

• 计算样本数据和待分类数据的距离。

• 选择k个与待分类数据距离最近的样本。

• 统计出k个样本中大多数样本所属的分类，将该类记作category。

• 待分类数据属于category。

4.算法优缺点

(1)优点

• 简单，易理解，易实现。

• 适合对稀有事件进行分类。

• 适合多分类问题（multi-modal，对象有多个类别标签），k-nn比svm更合适。

(2)缺点

• 当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数。 该算法只计算“最近的”邻居样本，某一类的样本数量很大，那么或者这类样本并不接近目标样本，或者这类样本很靠近目标样本。无论怎样，数量并不能影响运行结果。

• 计算量较大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，才能求得它的K个最近邻点。

鸢尾花数据集为例讲述k-nn算法

from sklean import datasets,neighborsiris = datasets.load_iris()X = iris.datay = iris.targetkn_clf = neighbors.KNeighborsClassifier()kn_clf.fit(X,y)kn_y = kn_clf.predict(X)print(kn_y)print(y)accuracy_knn = (kn_y == y).astype(int).mean()print(accuracy_knn)

• kn_y 和 y的输出结果：
  

• 准确率accuracy_knn:
  

鸢尾花数据集示例svm算法

from sklearn import svmclf = svm.SVC()clf.fit(X,y)s_y = clf.predict(X)print(s_y)print(y)accuracy_svm = (s_y == y).astype(int).mean()print(accuracy_svm) 

• s_y和y的输出结果
  

• 准确率accuracy_svm
  

鸢尾花数据集示例k-means算法

from sklearn import clusterkm = cluster.KMeans(n_clusters = 3)km.fit(X)km_y = km.predict(X)print(km_y)print(y)accuracy_km = (km_y == y).astype(int).mean()print(accuracy_km)

• km_y和y的输出结果
  

• 准确率accuracy_km
  

• 呦呼呼，啦啦啦，终于完成了，来张大图对比一下子