赞
踩
在sklearn库中,KNeighborsClassifier是实现K近邻算法的一个类,一般都使用欧式距离进行测量。
这个类的结构如下:
sklearn.neighbors
.KNeighborsClassifiersklearn.neighbors.
KNeighborsClassifier
(
n_neighbors=5,
weights=’uniform’,
algorithm=’auto’,
leaf_size=30,
p=2,
metric=’minkowski’,
metric_params=None,
n_jobs=1,
**kwargs
)
在官方文档中,每个参数的含义:
n_neighbors:就是选取最近的点的个数:k
leaf_size:这个是构造树的大小,值一般选取默认值即可,太大会影响速度。
n_jobs :默认值1,选取-1占据CPU比重会减小,但运行速度也会变慢,所有的core都会运行。
这个类中的方法,在文档中的说明:
-
import numpy
-
from sklearn.neighbors
import KNeighborsClassifier
as kNN
-
trainmat = numpy.array([[
1,
2,
3],[
2,
3,
5],[
55,
33,
66],[
55,
33,
66]])
-
label = numpy.array([
0,
0,
1,
1])
-
neigh = kNN(n_neighbors=
3, algorithm=
'auto', weights=
'distance', n_jobs=
1)
-
neigh.fit(trainmat,label)
testmat = numpy.array([2,3,4],[55,33,66])
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。