KNN分类器的实现过程（python）

1、加载一组数据——iris：from sklearn import 蟠校盯昂datasets from sklear荏鱿胫协n.neighbors import KNeighborsClassifier import numpy as np a = datasets.load_iris()

2、从a里面读出输入数据：x=a.data每一个数据都是一个四元向量。

3、从a里面读出输出数据：y=a.targetx里面的每一个向量，都对应y里面的一个数字。

4、给出0到150之间的正整数的随机排列：indices = np.random.permutation(len(x))此时，len(x)=150

5、把x和y分割为训练集和测试集：x_train = x[坡纠课柩indices[:-10]]y_train = y[indic髫潋啜缅es[:-10]]x_test = x[indices[-10:]]y_test = y[indices[-10:]]

6、定义一个knn分类器，并用训练集对它进行训练：knn 屏顿幂垂= KNeighborsClassifier()knn.fit(x_train,y_train)

7、用测试集测试knn：z=knn.predict(x_test)准确率是100%。

8、用不同的训练集测试knn，准确率是不一样的。