實現近鄰分類器。
1.加載數據集
port load_iris
iris = load_iris()
X = iris.data
y = iris.target
2.劃分訓練集和測試集
接下來,我們需要將數據集劃分為訓練集和測試集。我們將使用75%的數據作為訓練集,25%的數據作為測試集。
odelport_test_splitdom_state=42)
3.訓練模型
現在,我們可以使用KNeighborsClassifier類來訓練近鄰分類器。我們將使用k=3作為參數。
eighborsport KNeighborsClassifierneighbors=3)n)
現在,我們可以使用訓練好的模型來預測測試集中的數據。
n.predict(X_test)
5.評估模型
,我們可以使用準確率來評估模型的性能。我們得到了97%的準確率。
etricsport accuracy_score
accuracy = accuracy_score(y_test, y_pred)tat(accuracy 100))
庫,我們可以輕松地實現近鄰分類器,并對其性能進行評估。