当前位置: 首页> 财经> 创投人物 > L4打卡学习笔记

L4打卡学习笔记

时间:2025/7/11 17:47:58来源:https://blog.csdn.net/Inface0443/article/details/142319796 浏览次数:0次
  • 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
  • 🍖 原作者:K同学啊

K邻近模型

  • 导入数据
  • 划分训练集测试集
  • 创建模型
  • 预测结果
  • 结果评分
  • 个人总结

导入数据


import pandas as pddata=pd.read_table(r'C:\Users\11054\Desktop\kLearning\L4_learning\datingTestSet2.txt',sep='\t', header=None)data.head()
X = data.iloc[:,:3]
Y = data.iloc[:,3]
X,Y
(         0          1         20    40920   8.326976  0.9539521    14488   7.153469  1.6739042    26052   1.441871  0.8051243    75136  13.147394  0.4289644    38344   1.669788  0.134296..     ...        ...       ...995  11145   3.410627  0.631838996  68846   9.974715  0.669787997  26575  10.650102  0.866627998  48111   9.134528  0.728045999  43757   7.882601  1.332446[1000 rows x 3 columns],0      31      22      13      14      1..995    2996    1997    3998    3999    3Name: 3, Length: 1000, dtype: int64)

划分训练集测试集


from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, Y,test_size=0.25,random_state=3)

创建模型


from sklearn.neighbors import KNeighborsClassifierknc = KNeighborsClassifier(n_neighbors=5)
knc.fit(X_train, y_train)

预测结果


data["预测结果"] = knc.predict(data.iloc[:,:3])
data.head(10)

结果评分


scoreK = knc.score(X_test,y_test)print(scoreK)

个人总结

  • K邻近模型用于分类,预测数据为数据库中相似度最高的n个数据中占比最大的结果值,n_neighbors用于控制K值
关键字:L4打卡学习笔记

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: