KNN算法分类

KNN算法分类

步骤：
1.导入数据
2.打乱数据集
3.划分训练集和测试集
4.构建模型
5.测试精度

说明：
前一部分为自己搭建的模型，后一部分调用内置接口

强调：
这里需要对数据集归一化处理，不然精确度只有百分之八十左右，归一化处理后可以达到百分之九十五以上。
这里采用的是均值方差归一化。

链接: https://pan.baidu.com/s/1oSVcBYqsCspmSNZMCIIv4Q
提取码: 4y2g

import numpy as npimport matplotlib.pyplot as pltfrom numpy import loadtxt# 导入数据
with open(r'C:\Users\Lenovo\Desktop\winedata.csv', 'r', encoding='UTF-8') as raw_data:wine_data = loadtxt(raw_data, delimiter=',')raw_data.close()print(wine_data.shape)# 将酒的特征放入data矩阵中
data = np.array(wine_data[:,1:])# 将酒的类别放入target矩阵中
target = np.array(wine_data[:,0])# 输出data,target矩阵的形状
print(data.shape)print(target.shape)# 定义数据打乱函数
def Data_Order

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！