KNN分类器步骤_CDA答疑社区

詹惠儿

2019-05-29 阅读量: 566

KNN分类器步骤

我们使用以下方法创建knn分类器对象：knn = KNeighborsClassifier(n_neighbors=3)
使用X_train数据训练分类器。该过程被称为拟合。我们传递特征矩阵和相应的响应向量。knn.fit(X_train, y_train)
现在，我们需要在X_test数据上测试我们的分类器。knn.predict方法用于此目的。它返回预测的响应向量y_pred。y_pred = knn.predict(X_test)
现在，我们有兴趣通过比较y_test和y_pred来找到模型的准确性。这是使用metrics模块的方法accuracy_score完成的：print(metrics.accuracy_score(y_test, y_pred))
考虑您希望模型对样本数据进行预测的情况。然后，样本输入可以简单地通过与传递任何特征矩阵相同的方式传递。sample = [[3, 5, 4, 2], [2, 3, 5, 4]] preds = knn.predict(sample)
如果您不想一次又一次地训练分类器并使用预先训练的分类器，可以使用joblib保存分类器。你需要做的就是：joblib.dump(knn, 'iris_knn.pkl')
如果要加载已保存的分类器，请使用以下方法：knn = joblib.load('iris_knn.pkl')

0.0000

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子